PrestaShop 9.0.0 RC 1发布:电商平台迎来重大更新
PrestaShop作为全球知名的开源电商解决方案,近期发布了9.0.0版本的第一个候选发布版(RC 1)。这个版本在Beta 1的基础上进行了大量改进和优化,为即将到来的正式版奠定了坚实基础。PrestaShop 9.0.0版本带来了多项新特性、性能优化和问题修复,旨在为商家提供更强大、更稳定的电商平台体验。
核心功能增强与优化
本次更新在后台管理界面(Back Office)方面进行了多项改进。新增了信息页面显示钩子(display hook),允许开发者更灵活地添加分发详情信息。同时引入了新的actionProductGetAttributesGroupsAfter钩子,为产品属性组获取后的处理提供了扩展点。值得注意的是,承运商切换功能标志已转为稳定状态并默认启用,这意味着相关功能已经过充分测试,可以放心使用。
在API方面,OpenApi配置得到了显著优化,现在能够动态包含OAuth范围,为开发者提供了更完善的API文档支持。同时,API平台路径扫描功能已启用,使得实体类的API端点能够被自动发现和注册。
用户体验与界面改进
PrestaShop 9.0.0 RC 1对用户界面进行了多处优化。在废弃购物车KPI中修正了措辞,使信息表达更加准确。链接样式得到了改进,使其更易于识别。此外,还解决了多个界面问题,如员工设置默认页面无法加载、移动端模块上传问题等,提升了整体用户体验。
对于多语言支持,现在能够加载所有已安装模块的翻译目录,解决了多语言翻译相关的问题。同时,Symfony的"记住我"功能现在与后台配置相关联,提供了更一致的登录体验。
性能与稳定性提升
在性能优化方面,匿名路由检查得到了优化,减少了不必要的处理开销。产品索引机制现在会在每次需要更新时自动执行,确保搜索结果的准确性。此外,还修复了多个可能导致系统不稳定的问题,如遗留上下文初始化不一致、模块覆盖系统对类型属性的处理等。
对于开发者而言,hook生成机制得到了改进,为测试固件和文档提供了更好的支持。同时,错误处理也更加完善,当模块安装失败时,现在会显示模块报告的具体错误信息,便于问题排查。
电商功能增强
在产品管理方面,修复了组合产品预览模式的问题,确保产品展示的准确性。财务规则组国家编辑功能得到了改进,使财务管理更加便捷。对于订单处理,现在虚拟订单的PDF中不再显示承运商信息,避免了混淆。
在前台方面,修复了结账页面更改国家后地址字段消失的问题,提升了购物流程的顺畅度。同时改进了类别控制器,对不存在的类别提供了更优雅的处理方式。
开发者工具与测试改进
PrestaShop 9.0.0 RC 1对开发者工具进行了多项增强。新增了actionGetPdfRenderer钩子,允许使用自定义继承的TCPDF渲染器。邮件主题扫描器现在能够正确处理模块文件夹。模块错误在CLI命令中会显示更多详细信息,便于调试。
测试套件得到了显著增强,UI测试更加稳定,特别是针对模块、品牌和供应商的测试。功能测试框架已迁移到新的@prestashop-core/ui-testing包,提供了更现代化的测试工具链。
总结
PrestaShop 9.0.0 RC 1作为即将发布的正式版前的关键里程碑,展示了该项目在电商功能、性能优化和开发者体验方面的持续投入。从后台管理到前台展示,从核心功能到开发者工具,这个版本都带来了实质性的改进。对于电商从业者和开发者而言,这个版本值得关注和测试,为即将到来的正式升级做好准备。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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