DNN Platform v9.13.8版本发布:关键修复与功能增强
DNN Platform是一个基于.NET的开源内容管理系统(CMS),它提供了强大的网站构建和管理功能。作为企业级CMS解决方案,DNN Platform以其模块化架构、多站点支持和丰富的扩展生态系统而闻名,广泛应用于各种规模的网站建设项目中。
核心改进与修复
关键错误修复
本次发布的v9.13.8版本解决了几个影响用户体验的关键问题。首先修复了非标准路径站点缩略图显示异常的问题,这一改进确保了无论站点部署在何种路径下,缩略图都能正常显示。其次解决了门户配置文件属性唯一性问题,现在每个门户都能拥有独立的配置属性,避免了配置冲突。此外还修正了Log4Net组件的大小写敏感性问题,提升了系统在不同环境下的兼容性。
安全增强
在安全方面,本次更新实现了认证cookie的自动删除机制。当cookie过期或无效时,系统会自动清除这些凭证,这一改进显著提升了系统的安全性,减少了潜在的安全隐患。同时,针对无效配置组件的处理也增加了日志记录和弹性恢复机制,使系统在遇到配置问题时能够更优雅地处理,同时为管理员提供详细的诊断信息。
开发者体验优化
开发团队对文档资源进行了全面更新,将所有dnndocs.com的引用迁移至docs.dnncommunity.org,这一变更确保了开发者能够获取最新、最准确的文档资源。对于使用DNN Platform进行二次开发的开发者来说,这一改进将大大提升开发效率。
技术栈更新
v9.13.8版本包含了多项技术栈的更新升级:
- 将Microsoft.CodeAnalysis.Analyzers从3.3.4升级至3.11.0
- svg-url-loader从7.1.1升级到8.0.0
- .NET SDK从9.0.101升级到9.0.200
- 更新了undici等依赖项至最新稳定版本
这些更新不仅带来了性能提升,还修复了已知的安全问题,使整个平台更加稳定可靠。
持续集成与交付改进
开发团队引入了GitHub Action来自动保持caniuse-lite的更新,这一自动化流程确保了浏览器兼容性数据的及时更新。同时,actions/checkout也从v3升级到了v4,提升了持续集成流程的效率和可靠性。
可选组件策略
虽然从9.11.0版本开始,Telerik组件已从代码库中完全移除,但考虑到向后兼容性,本次更新仍为依赖Telerik的模块提供了升级路径。对于全新安装的环境,系统将不再包含Telerik组件;对于升级环境,管理员可以根据实际需求选择保留或移除Telerik。这一灵活的策略确保了不同场景下的平滑过渡。
总结
DNN Platform v9.13.8是一个以稳定性和安全性为核心的维护版本,它通过多项错误修复和技术升级,进一步提升了平台的可靠性和开发体验。对于系统管理员而言,改进的安全机制和配置处理能力将大大简化日常运维工作;对于开发者来说,更新的技术栈和文档资源则提供了更好的开发基础。建议所有DNN Platform用户考虑升级到此版本,以获得最佳的性能和安全保障。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0194
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0121
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python05
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook06