Homepage项目v1.2.0版本发布:增强自定义API与Kubernetes支持
Homepage是一个现代化的个人仪表盘项目,它允许用户将各种网络服务、监控数据和实用工具集成到一个统一的界面中。该项目采用React框架构建,具有高度可定制性,支持Docker部署,并提供了丰富的插件系统。最新发布的v1.2.0版本带来了一系列功能增强和问题修复,特别是在自定义API集成和Kubernetes监控方面有了显著改进。
核心功能更新
自定义API动态列表增强
v1.2.0版本对自定义API的动态列表功能进行了多项改进。首先,修复了shvl(一种轻量级键值存储库)在自定义API动态列表目标中的支持问题,确保了数据获取的稳定性。其次,增加了shvl的备用机制,当主要数据获取方式失败时,系统能够自动回退到备用方案,提高了组件的健壮性。
更值得注意的是,新版本引入了标签格式化功能,允许开发者为动态列表中的项目自定义显示格式。这一特性极大增强了数据展示的灵活性,用户可以根据需要调整数据显示方式,而无需修改后端API。
Kubernetes监控改进
对于使用Kubernetes集群的用户,v1.2.0版本解决了两个关键问题。首先修复了Kubernetes统计信息不遵循选择器的问题,确保了监控数据能够准确反映指定资源的状态。其次,修正了Longhorn存储组件中"Total"显示不受控制的问题,现在用户可以完全按照配置决定是否显示总量信息。
开发者体验优化
本次更新包含多项开发者体验的改进。项目引入了"organize imports"到预提交钩子中,自动整理代码中的导入语句,保持代码风格一致。同时,CI/CD流程也进行了优化,跳过了不必要的构建步骤并优化了缓存机制,显著缩短了构建时间。
依赖项方面,项目升级了多个关键库的版本,包括i18next从21.10.0升级到24.2.3,SWR从1.3.0升级到2.3.3,以及Next.js相关配置的更新。这些升级不仅带来了性能改进,还修复了已知的安全问题。
其他重要变更
Hoarder小部件已更名为KaraKeep,这一变更反映了项目功能的演进。Docker镜像现在默认包含了iputils-ping工具,增强了容器内的网络诊断能力。对于Proxmox备份服务器(PBS)用户,新版本增加了指定数据存储的支持,提供了更精细的备份监控选项。
国际化方面,项目通过Crowdin平台更新了多语言翻译,使非英语用户能够获得更好的使用体验。
总结
Homepage v1.2.0版本通过增强自定义API支持、改进Kubernetes监控功能以及优化开发者体验,进一步巩固了其作为现代化个人仪表盘解决方案的地位。这些改进不仅提升了现有功能的稳定性和灵活性,也为未来的扩展奠定了基础。对于寻求统一管理各类网络服务和监控数据的用户来说,这一版本值得升级。
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
Spark-Prover-X1-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
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