Hoarder 0.23.0版本发布:知识管理工具的重大更新
Hoarder是一款开源的网页内容保存和管理工具,它可以帮助用户高效地收集、组织和检索网络上的各种资源。作为一个知识管理解决方案,Hoarder提供了书签保存、内容归档、智能标签和跨设备同步等功能,特别适合研究人员、开发者和内容创作者使用。
核心功能增强
Safari扩展支持
本次0.23.0版本最引人注目的新特性是终于推出了Safari浏览器扩展。这意味着苹果设备用户现在可以通过TestFlight安装并使用Hoarder的Safari扩展,实现了与Chrome和Firefox扩展相同的功能体验。这一扩展支持将大大提升Mac和iOS用户的内容收集效率。
PDF文档可视化预览
针对PDF文件的管理,新版本引入了PDF缩略图生成功能。系统现在能够自动为保存的PDF文档生成预览截图,使用户无需打开文件就能快速识别文档内容。这一功能由@AhmadMuj贡献实现,解决了PDF文件在列表中难以辨识的问题。
批量标签管理
标签系统获得了重要改进,新增了批量删除标签的功能。用户现在可以一次性删除多个不再需要的标签,简化了标签管理工作流程。这一功能由@lexafaxine开发实现,解决了之前需要逐个删除标签的低效问题。
系统管理与优化
资源管理面板
新版本增加了一个专门的资源管理页面,用户可以清晰地查看各类资源占用存储空间的情况。这一功能帮助用户识别和管理占用大量存储的文件,优化存储空间使用效率。
视频下载配置增强
针对视频下载功能,现在支持通过配置传递yt-dlp命令行参数。这一改进由@erik-nilcoast贡献,为用户提供了更精细的视频下载控制能力,可以应对各种特殊网站的视频下载需求。
用户体验改进
界面优化
导入/导出页面经过重新设计,界面更加直观美观。侧边栏现在直接显示各类列表的统计信息,使用户能够快速获取关键数据。
多语言支持
新增了阿拉伯语、斯洛伐克语、巴西葡萄牙语、斯洛文尼亚语和越南语支持,进一步扩大了Hoarder的国际化覆盖范围。部分语言版本目前采用AI翻译,社区正在持续改进翻译质量。
开发者相关更新
API扩展
新增了书签摘要API端点,允许开发者通过编程方式触发书签内容摘要生成。同时增加了用户信息和统计数据的API端点,为第三方集成提供了更多可能性。
开发环境完善
项目文档中新增了Node.js环境设置指南,由@mos3abof贡献。同时添加了详细的贡献指南(CONTRIBUTING.md),降低了新开发者参与项目的门槛。
问题修复与稳定性提升
本次版本修复了多个关键问题,包括:
- 修复了移动端共享链接被错误存储为文本的问题
- 修正了Webhook事件触发逻辑,确保只发送用户选择的操作事件
- 解决了RSS源解析失败的问题
- 改进了渐进式Web应用(PWA)中的列表访问功能
- 增强了书签获取API的健壮性,能够处理不一致的书签数据
- 修复了移动端深色主题下标题文本颜色不正确的问题
社区生态发展
围绕Hoarder的社区生态也在持续发展。@treyg开发了"随机书签"工具,可以从Hoarder账户中随机选择书签发送到邮箱或Discord。@vhsdream则为Homepage平台开发了Hoarder小部件,可以展示书签统计数据。
升级指南
对于使用Docker部署的用户,升级过程非常简单:
- 如果使用HOARDER_VERSION=release标签,只需执行docker compose pull && docker compose up -d
- 如果固定了特定版本,需要先更新版本号再执行上述命令
Hoarder 0.23.0版本通过多项功能增强和问题修复,进一步提升了产品的实用性和稳定性。特别是Safari扩展的加入和PDF预览功能的实现,解决了用户长期以来的痛点。随着社区贡献的不断增加,Hoarder正在成长为一个更加完善的知识管理解决方案。
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