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。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00