Homebox v0.18.0 版本发布:全面升级的智能物品管理系统
Homebox 是一款开源的智能物品管理系统,它帮助用户高效地组织和追踪个人或家庭物品。通过现代化的 Web 界面,用户可以轻松管理物品库存、位置信息、维护记录等。Homebox 特别适合收藏家、家庭用户以及需要管理大量设备或物品的专业人士。
核心功能升级
1. 数据库支持扩展:PostgreSQL 正式加入
本次版本最重要的更新之一是增加了对 PostgreSQL 数据库的支持。相比之前仅支持 SQLite,PostgreSQL 提供了更好的性能、可靠性和扩展性,特别适合大规模部署场景。需要注意的是,目前从 SQLite 迁移到 PostgreSQL 的工具尚未完成,用户需要谨慎选择数据库类型。
2. 全新的标签生成系统
v0.18.0 引入了强大的标签生成 API,用户现在可以:
- 自定义标签布局和内容
- 动态调整标签尺寸
- 添加额外信息字段
- 批量生成物品标签
需要注意的是,当前版本对某些东亚语言(如中文、日文、韩文)的支持存在限制,这是由于 Go 语言的字体处理限制导致的,开发团队正在积极寻找解决方案。
3. 用户界面全面革新
开发团队开始从 daisyui 向 shadcnui 过渡,带来了更现代化、响应式的用户界面体验。虽然目前仍有一些过渡期的已知问题(如移动端侧边栏行为异常、浏览器窗口调整时的闪烁问题),但整体用户体验已经得到显著提升。
用户体验优化
1. 键盘操作增强
新增了键盘可访问的快捷菜单,特别是针对创建模态框的操作。这一改进显著提升了键盘用户的操作效率,使系统更加符合无障碍设计标准。
2. 图片懒加载修复
修复了物品图片懒加载失效的问题,现在页面加载更加高效,特别是对于包含大量图片的物品列表。
3. 主题加载优化
解决了初始加载时主题显示不正确的问题,现在系统能够更准确地保持用户选择的主题设置。
4. 创建流程改进
对创建模态框进行了多项质量改进,使物品添加和管理流程更加直观和高效。
搜索与过滤增强
新增了"无照片物品"的搜索过滤器,帮助用户快速找到那些尚未添加图片的物品,便于完善物品信息。
界面细节优化
- 修复了位置徽章背景固定高度问题
- 调整了物品数量徽章的宽度,使其更加灵活
- 改进了大屏幕上的物品显示效果
文档完善
本次更新还包含了多项文档改进,特别是关于文件上传大小配置和通知系统设置的详细说明,帮助用户更好地配置和使用系统。
总结
Homebox v0.18.0 是一个重要的里程碑版本,不仅引入了 PostgreSQL 支持这一基础架构的重大升级,还带来了全新的标签生成系统和现代化的用户界面。虽然仍有一些过渡期的小问题需要解决,但这些改进为系统的未来发展奠定了坚实基础。对于需要高效管理大量物品的用户来说,这个版本提供了更强大、更可靠的工具集。
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