Saleor Dashboard 3.20.35版本发布:精细化折扣管理与用户体验优化
项目简介
Saleor是一个开源的电子商务平台,以其现代化的技术栈和灵活的架构著称。Saleor Dashboard作为其管理后台,为商家提供了直观的操作界面和强大的功能支持。本次发布的3.20.35版本带来了多项重要更新,特别是在折扣券管理和用户体验方面有了显著提升。
精细化折扣券管理功能
本次更新的核心亮点是增强了折扣券的目标定位能力。在创建优惠券时,管理员现在可以:
-
精确指定适用对象:可以将优惠券绑定到特定的产品、产品集合或产品类别,实现更精准的营销活动定位。
-
地理定位支持:新增了按国家/地区筛选的功能,使商家能够根据不同市场的需求制定差异化的促销策略。国家列表采用字母顺序分组显示,大大提升了选择效率。
这项改进使得电商运营团队能够:
- 针对特定产品线进行促销,不影响其他商品的正常销售
- 根据不同地区的消费习惯制定本地化营销策略
- 避免因折扣范围过大导致的利润损失
订单管理界面优化
在订单处理方面,本次更新对已完成订单的显示布局进行了调整:
- 信息分层展示:将仓库信息和物流追踪号分开显示,避免了信息拥挤
- 视觉优化:增加了适当的间距和填充,使界面更加清晰易读
- 统一风格:与仪表板其他部分的布局风格保持一致,降低用户学习成本
这些改进特别有利于处理大量订单的商家,能够快速定位关键信息,提高工作效率。
技术实现与问题修复
在技术层面,开发团队完成了以下重要工作:
-
拖拽排序功能修复:解决了产品变体编辑页面中,拖拽后变体仍附着在光标上的问题。团队为此将底层拖拽库迁移至dnd-kit,这是一个现代化的拖拽解决方案,提供了更好的性能和更丰富的API。
-
国家选择同步问题:修复了优惠券创建过程中,国家选择变更后UI未及时更新的问题,确保了操作反馈的即时性。
-
错误监控优化:调整了Sentry错误报告机制,减少了误报情况,使开发团队能够更专注于处理真实问题。
维护与基础设施
本次更新还包括了一些重要的维护工作:
-
前端架构升级:拖拽库的迁移不仅解决了现有问题,也为未来实现更复杂的交互功能奠定了基础。
-
错误监控精细化:通过优化Sentry配置,提高了错误报告的准确性,有助于更快定位和解决问题。
社区与未来发展
版本中还加入了社区更新提示,体现了项目团队对社区建设的重视。这种开放透明的沟通方式有助于用户了解平台发展方向,也鼓励更多开发者参与贡献。
总结
Saleor Dashboard 3.20.35版本通过精细化的折扣管理、优化的订单处理界面和多项技术改进,进一步提升了电商管理体验。这些更新不仅解决了实际使用中的痛点,也为商家提供了更强大的营销工具。随着项目的持续发展,我们可以期待Saleor Dashboard将为电子商务运营带来更多创新功能。
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