Saleor Dashboard 3.20.34版本发布:扩展中心重构与订单管理优化
项目背景
Saleor Dashboard是Saleor电商平台的管理后台界面,作为开源电商解决方案的核心组件之一,它为商家提供了商品管理、订单处理、客户服务等一系列电商运营所需的功能。本次3.20.34版本更新带来了多项重要改进,特别是在扩展管理和订单处理方面进行了显著优化。
核心更新内容
扩展中心全面重构
本次版本最显著的变更是将原有的"应用(Apps)"模块升级为全新的"扩展(Extensions)"中心。这一重构不仅仅是名称上的改变,更是功能架构上的重大调整:
-
模块重组:新扩展中心分为"已安装扩展"和"探索扩展"两个清晰的功能分区,前者集中管理已部署的扩展,后者提供可用的扩展资源库。
-
前瞻性设计:虽然当前版本仅包含应用(apps)类型,但架构设计已经为未来支持插件(plugins)和自定义应用(webhooks)等扩展类型预留了空间。
-
渐进式发布:该功能目前处于特性标志(feature flag)控制下,确保平滑过渡和可控部署。
这一改进显著提升了扩展管理的系统性和可扩展性,为后续功能迭代奠定了坚实基础。
订单管理系统增强
订单处理流程获得了多项实用改进:
-
超额支付标识:在订单列表和详情页中,系统现在会明确标注"超额支付(overcharged)"状态的订单,通过醒目的标签帮助运营人员快速识别异常支付情况。
-
未履行订单行数量显示:订单详情页现在准确展示未履行订单行的数量信息,解决了之前版本中可能存在的显示不一致问题。
-
产品变体属性优化:在创建履行单时,系统不再显示产品变体的空属性字段,减少了界面干扰,提升了操作效率。
搜索功能升级
快速搜索功能获得增强:
-
SKU搜索支持:现在可以通过产品变体的SKU编码进行快速检索,完善了商品搜索维度。
-
可视化增强:目录项在有媒体资源时会显示相关媒体内容,而分类项在缺少父分类时会给出明确提示,提升了界面信息传达效率。
技术架构改进
-
SDK升级:@saleor/app-sdk更新至1.0.0版本,为应用开发提供了更稳定的基础。
-
菜单项交互增强:菜单项组现在支持onClick事件处理器,为界面交互提供了更多可能性。
-
构建工具优化:解决了Knip对vite.config.js中import.meta的误报问题,提升了开发体验。
-
测试流程改进:发布工作流生成的测试结果现在采用CTRF格式并推送至qa-helpers仓库,增强了测试结果的管理和分析能力。
总结
Saleor Dashboard 3.20.34版本通过扩展中心的重构和订单管理功能的优化,显著提升了系统的可扩展性和运营效率。这些改进不仅解决了现有问题,也为未来的功能扩展打下了良好基础。技术架构层面的持续优化也体现了项目对开发体验和软件质量的重视,为生态系统的健康发展提供了保障。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00