BetterAuth v1.1.15 版本发布:身份验证系统的全面升级
BetterAuth 是一个现代化的身份验证解决方案,专注于为开发者提供安全、灵活且易于集成的认证功能。它支持多种认证方式,包括传统的用户名密码、OAuth 社交登录以及新兴的 Passkey 无密码认证等。最新发布的 v1.1.15 版本带来了一系列功能增强和问题修复,进一步提升了系统的稳定性和用户体验。
主要功能增强
多邮箱账户关联支持
新版本允许用户手动将账户与不同于主邮箱的其他邮箱地址进行关联。这一改进为需要管理多个邮箱的用户提供了更大的灵活性,特别是在企业环境中,员工可能需要将工作邮箱和个人邮箱同时关联到同一个账户。
配置文件格式扩展
开发团队现在支持使用 JavaScript 文件(.js)作为配置文件格式。相比于传统的 JSON 配置,JS 配置文件具有以下优势:
- 支持注释,提高可读性
- 可以使用环境变量和条件逻辑
- 便于在复杂场景下进行动态配置
原生 MSSQL 数据库支持
v1.1.15 版本增加了对 Microsoft SQL Server 的原生支持,不再需要通过其他适配层。这一改进带来了:
- 更直接的数据库操作
- 更好的性能表现
- 更完整的 SQL Server 特性支持
关键问题修复
插件系统改进
修复了插件系统中关于邮箱和密码字段设置的权限问题,现在插件可以更灵活地处理这些敏感字段,为开发者提供了更大的扩展空间。
性能优化
针对 TypeScript 服务器性能进行了特别优化,显著改善了大型项目中附加字段推断时的响应速度,提升了开发体验。
认证流程修复
修正了未验证邮箱用户在登录时的状态码返回问题,现在系统会正确返回 403 状态码而非通用的 401,帮助开发者更精确地识别和处理特定场景。
Expo 客户端改进
解决了 Expo 客户端在使用 cookie 缓存时可能覆盖原始令牌的问题,确保了移动端应用的认证稳定性。
技术细节优化
类型系统一致性
统一了插件选项类型的导出方式,使类型系统更加一致和可预测,减少了开发过程中的类型错误。
请求处理增强
改进了自定义请求体属性的处理能力,现在开发者可以更自由地在请求中添加额外的属性,满足各种定制化需求。
组织管理更新
优化了组织列表的原子更新机制,确保在组织信息变更时相关视图能够及时同步,提升了管理界面的响应性。
安全相关改进
Passkey 认证修复
修正了 Passkey 认证中关于 RP ID(依赖方ID)的处理逻辑,确保在基础 URL 不包含端口号时也能正确识别和验证。
速率限制器优化
改进了速率限制器对大整数时间戳的处理,避免了在某些数据库系统中可能出现的类型转换问题。
总结
BetterAuth v1.1.15 版本通过一系列的功能增强和问题修复,进一步巩固了其作为现代化身份验证解决方案的地位。从多邮箱支持到原生 MSSQL 集成,从性能优化到安全改进,这个版本为开发者提供了更强大、更稳定的认证基础设施。无论是构建企业级应用还是个人项目,BetterAuth 都能提供可靠的身份验证支持。
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