Vendure电商平台v3.2.0版本发布:全新React仪表盘预览与性能优化
Vendure是一个基于Node.js构建的现代化电商平台框架,采用TypeScript开发,提供了完整的电商功能解决方案。该框架以其模块化架构、GraphQL API和可扩展性著称,特别适合中大型电商项目的开发。
本次发布的v3.2.0版本带来了多项重要更新,其中最引人注目的是全新的React仪表盘预览版。此外还包括了核心依赖升级带来的性能优化、BullMQ任务队列增强、验证令牌策略改进等多项功能增强。
全新React仪表盘预览
Vendure团队在今年2月宣布将基于React重构管理后台,这一决定旨在提升开发体验和界面性能。v3.2.0中首次包含了这个全新仪表盘的alpha预览版本。
开发者可以通过简单的步骤在本地体验这个预览版:
- 安装@vendure/dashboard包
- 创建vite配置文件中指定Vendure配置路径
- 运行开发服务器
虽然目前这个版本只实现了基本的CRUD功能,但已经可以清晰地看到未来方向。团队计划在一个月内发布beta版本,重点完善扩展API、主题定制和国际化支持。
核心依赖全面升级
v3.2.0对项目的主要依赖进行了全面更新:
- NestJS升级至v11版本,带来了更快的应用启动速度
- Express框架升级到v5
- TypeScript更新至v5.8.2,提供更精确的类型检查
- Angular升级到v19,采用esbuild和Vite构建工具
- TypeORM更新到v0.3.21,显著提升了大数据量读取性能
这些升级不仅带来了新特性,更重要的是提升了整体性能。根据Vendure团队的测试,Angular的构建时间减少了约50秒,TypeORM的改进使得数据密集型操作更加高效。
BullMQ任务队列增强
对于高负载场景,BullMQ任务队列插件是推荐选择。新版本允许开发者通过setJobOptions配置函数为单个任务指定自定义选项,例如设置优先级确保关键任务优先处理。
这一改进使得开发者能够充分利用BullMQ提供的全部功能,更好地控制任务执行策略。
验证令牌策略改进
验证令牌用于新用户注册验证、邮箱更新和密码重置等场景。v3.2.0引入了VerificationTokenStrategy,允许开发者自定义令牌的生成和验证逻辑。
这一改进支持多种自定义实现方式,如使用带TTL的Redis缓存、数据库存储或JWT等,为不同安全需求的项目提供了灵活性。
商店API新增查询
Shop API新增了两个查询:
- activePaymentMethods:获取所有可用支付方式
- activeShippingMethods:获取所有可用配送方式
这些查询不需要关联订单即可使用,简化了前端开发流程。
国际化支持增强
Admin UI现在新增了日语支持,进一步扩大了平台的国际化覆盖范围。
升级注意事项
升级到v3.2.0需要注意以下几点:
- 不再支持Node.js v18,建议升级到v22
- 如果使用DefaultCachePlugin,需要生成迁移文件调整expiresAt列的精度
- 自定义Angular组件如果是非独立模式,需要显式设置standalone: false
- Admin UI构建输出路径有所变化
总结
Vendure v3.2.0标志着这个电商平台框架的重要演进。全新的React仪表盘预览展示了未来的发展方向,而核心依赖的升级则为现有项目带来了显著的性能提升。新增的功能和改进进一步增强了平台的灵活性和开发者体验,使其更适合构建复杂的电商解决方案。
对于正在使用Vendure的开发者,建议评估升级计划,特别是关注那些可能影响现有功能的变更点。新项目则可以直接从这一版本开始,享受所有最新特性和性能优化。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00