TandoorRecipes 2.0.0-alpha-2版本发布:食谱管理系统的重大更新
项目简介
TandoorRecipes是一款开源的食谱管理系统,它帮助用户高效地组织、管理和分享个人食谱。作为一个自托管的解决方案,TandoorRecipes提供了从食谱创建、食材管理到膳食计划的全套功能,特别适合注重隐私和自定义需求的用户。
2.0.0-alpha-2版本核心更新
用户体验优化
本次更新在用户体验方面做了多项改进。首页新增了禁用膳食计划的设置选项,虽然目前是临时设备设置,但为未来首页定制化功能奠定了基础。食谱视图中的描述字段缺失问题已修复,使信息展示更加完整。
在交互设计上,改进后的"添加到购物清单"对话框现在与食谱视图中的食材表格保持一致的格式,并且整行都可点击,大大提升了操作便利性。多选组件现在能够明确指示新条目的创建状态,并修正了标签顺序问题,使表单填写更加流畅。
日期选择器增强
膳食计划中的日期选择器获得了显著改进。现在它会根据日历视图配置自动使用本地化的日期格式和周起始日,如果用户配置了显示周数,日期选择器也会相应展示周数信息。这些改进使得日期相关的操作更加符合用户的使用习惯。
AI功能完善
文本导入功能新增了对AI的支持,当没有配置API密钥时,系统会禁用AI导入并显示警告提示。这一临时措施为后续更完善的AI集成功能铺平了道路。同时,导入时的食材自动排序现在不区分大小写,提高了排序的准确性。
问题修复
本次更新修复了多个关键问题:
- 修复了API中存在的权限设置问题
- 解决了Prometheus指标收集问题
- 修正了旧设置页面显示错误
- 修复了食谱份量缩放不支持非整数的问题
- 解决了移动端食谱编辑器中数量字段的精度错误
- 修复了食谱编辑器中多行食材输入的问题
- 修正了YouTube导入器使用时的错误
- 解决了将食谱添加到膳食计划时份量未被使用的问题
- 修复了膳食计划对话框中的日期选择器问题
- 修正了AI文本导入中加载按钮禁用状态的问题
- 解决了带有标题的食谱添加到购物清单时的问题
- 修复了访客无法切换空间的问题
技术细节分析
从技术角度看,这次更新体现了开发团队对系统稳定性和安全性的重视。特别是API权限问题的修复,防止了未经授权的权限设置操作,增强了系统的安全性。Prometheus指标的修复则改善了系统监控能力,为运维提供了更好的支持。
在数据处理方面,份量缩放和非整数支持的改进,以及移动端数量字段精度问题的修复,都体现了对数据准确性的严格要求。多行食材输入问题的解决则展示了团队对用户实际使用场景的深入理解。
未来展望
虽然2.0.0-alpha-2仍处于预发布阶段,但已经展现出TandoorRecipes向更成熟方向发展的趋势。特别是首页定制化和AI功能的临时实现,预示着未来版本可能会在这些方面有更大突破。开发团队对用户体验细节的关注,也让我们有理由期待一个更加完善、易用的食谱管理系统。
对于技术用户而言,这个版本提供了更稳定的基础,值得关注和测试。普通用户则可以期待正式版发布后更流畅的食谱管理体验。
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
Spark-Prover-X1-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
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