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。
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