Shelf.nu 1.13.0版本发布:资产提醒功能与多项优化
Shelf.nu是一款开源的资产管理系统,它帮助个人和团队高效地追踪、管理和组织各类物理资产。该系统提供了从资产登记、分类、标签管理到借用归还等全生命周期管理功能,特别适合教育机构、企业IT部门以及需要管理大量物理设备的团队使用。
核心功能更新:资产提醒机制
1.13.0版本引入了基础的资产提醒功能,这是本次更新的核心亮点。该功能允许用户为资产设置重要的日期提醒,例如维护到期日、保修截止日或定期检查日期。系统会在预设时间自动触发提醒,确保不会错过任何关键时间节点。
提醒功能采用后台任务队列实现,即使在系统负载较高时也能保证提醒的准时送达。用户可以通过电子邮件接收这些提醒,未来版本还将扩展至应用内通知等多种提醒方式。
用户体验优化
本次更新对用户界面进行了多处改进:
-
侧边栏导航优化:修复了移动设备上子菜单无法展开的问题,现在在小屏幕设备上也能顺畅使用所有导航功能。
-
资产图片上传增强:现在支持直接通过URL上传资产图片,简化了从网络获取图片的流程。
-
日期选择逻辑改进:在资产预订功能中,当用户修改开始日期时,系统会自动调整结束日期以确保时间逻辑的合理性。
-
快速操作菜单:新增了上下文相关的快速操作菜单,用户可以在不同页面快速执行常用操作,同时系统会根据用户权限自动隐藏不可用的操作项。
数据处理与导入导出改进
-
导入功能增强:
- 改进了导入时的数据验证机制,现在会显示更清晰的错误信息
- 修复了布尔值字段导入的问题
- 增强了表头验证,防止因格式问题导致导入失败
-
导出功能优化:
- 将PDF生成改为客户端渲染,显著提升了性能
- 修复了分页显示问题,当没有项目时不再显示错误的页码信息
安全性与权限控制
-
行级安全增强:为资产标签关联表添加了行级安全控制,确保用户只能访问自己有权限的标签数据。
-
权限检查强化:防止用户更新未经授权的资源,同时在界面上隐藏无权限的操作选项。
-
邀请机制改进:
- 修复了重新发送邀请功能
- 将用户邀请流程改为客户端处理,提高响应速度
- 优化了邀请链接的处理逻辑
技术架构优化
-
数据库层:解决了Prisma模式与数据库实际结构不匹配的问题,提高了数据一致性。
-
错误监控:调整了Sentry错误捕获策略,不再记录已处理的错误类型,减少噪音。
-
邮件队列:引入邮件队列机制处理邮件发送,防止因临时故障导致邮件丢失,提高了可靠性。
-
性能优化:修复了Safari浏览器上的仪表板UI问题,确保跨浏览器兼容性。
其他改进
-
QR码功能增强:
- 新增QR ID列并支持预览
- 优化了QR码过滤器,支持外部条码扫描器输入
-
自定义字段:修复了空类别自定义字段的问题,提高了稳定性。
-
资产搜索:移除了旧的AssetSearchView,统一使用更高效的搜索实现。
Shelf.nu 1.13.0版本通过引入资产提醒这一实用功能,配合多项用户体验优化和安全增强,进一步巩固了其作为专业资产管理解决方案的地位。开发团队持续关注用户反馈,不断改进系统稳定性和功能性,使Shelf.nu成为管理物理资产的可靠选择。
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-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
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