Pangolin项目1.0.0-beta.12版本发布:资源管理与网络功能增强
Pangolin是一款开源的网络资源管理和访问控制工具,它通过提供统一的界面来管理各种网络资源,包括Web应用、API、数据库等。该项目采用现代化的架构设计,支持多种协议和认证方式,能够帮助企业或组织高效地管理内部资源访问权限。
核心功能改进
基础域名资源支持
新版本引入了allow_base_domain_resources标志,允许管理员配置是否支持使用基础域名作为资源地址。这一改进使得系统能够更灵活地处理不同层级的域名资源,特别是对于那些需要直接使用根域名进行访问的服务场景。
资源站点迁移功能
1.0.0-beta.12版本新增了资源跨站点转移能力。管理员现在可以将已配置的资源从一个站点迁移到另一个站点,而无需删除重建。这一功能极大地简化了组织结构调整时的资源管理流程,减少了配置工作量和潜在错误。
Gerbil端点IP支持
在Gerbil组件的base_endpoint字段中,现在可以直接使用IP地址而不仅限于域名。这一变化为那些尚未配置DNS或需要直接通过IP访问的内部环境提供了更好的支持,增强了部署的灵活性。
用户体验优化
创建对话框重置机制
资源创建对话框现在会在关闭时自动重置所有输入字段,避免了用户在连续创建多个资源时需要手动清除之前输入的内容,提高了操作效率和用户体验。
资源表格排序修复
修复了资源表格中"Authentication"列排序功能异常的问题,现在用户可以按照认证方式正确地对资源列表进行排序,便于管理和查找特定类型的资源。
网络协议支持增强
TCP/UDP端口更新修复
解决了之前版本中存在的无法更新现有资源的原始TCP/UDP端口的问题。这一修复确保了网络管理员能够灵活调整服务的端口配置,满足不同环境下的网络需求。
安装与部署改进
Traefik版本升级
安装程序现在使用Traefik v3.3.3作为反向代理组件,这一更新带来了性能改进和安全增强,同时也修复了之前版本中已知的问题。
Docker网络配置
在Docker Compose安装配置中新增了网络设置,为容器化部署提供了更完善的网络支持,使得在多主机或复杂网络环境下的部署更加稳定可靠。
云环境适配建议
虽然不在更新说明中直接提及,但根据项目文档,新版本特别优化了对云服务环境的支持。用户可以在主流CDN服务后部署Pangolin,通过配置通配符证书和Full (Strict) SSL模式,实现安全的内容分发和加速。
升级注意事项
对于运行中的实例,升级前务必备份应用数据(config app-data)。这一预防措施能够在升级出现问题时快速回滚到之前的状态。由于数据库结构可能随版本更新而变化,直接降级到旧版本可能会导致兼容性问题。
Pangolin 1.0.0-beta.12版本通过上述改进,进一步提升了系统的灵活性、管理效率和用户体验,为管理员提供了更强大的资源控制能力,同时也为终端用户带来了更流畅的访问体验。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00