Passbolt API 资源类型ID错误导致404问题的分析与解决
问题背景
Passbolt是一款开源的密码管理工具,近期在版本4.10.0-1升级后,部分用户报告在Web界面操作资源时出现"Not Found"错误。该问题主要出现在通过go-passbolt-cli命令行工具创建资源后,在Web界面尝试编辑时发生。
问题现象
用户在使用go-passbolt-cli 0.1.9版本创建资源并共享后,Web界面会出现以下异常:
- 浏览器控制台显示404错误,请求keys.json接口失败
- 界面弹出"Not Found"错误提示
- 资源无法正常编辑保存
根本原因分析
经过Passbolt开发团队调查,发现该问题由两个因素共同导致:
-
go-passbolt-cli 0.1.9版本的资源类型ID选择错误:该版本错误地将新创建的资源关联到了v5默认资源类型ID(dd1f723d-0d1e-513f-8218-4055dc0530d0),而非正确的密码和描述资源类型ID(a28a04cd-6f53-518a-967c-9963bf9cec51)。
-
Passbolt API 4.10.0版本的处理逻辑问题:当遇到这种错误的资源类型ID时,API未能正确处理,导致返回404错误。
解决方案
临时解决方案
对于已经出现问题的资源,可以通过以下SQL语句修复:
UPDATE resources
SET resource_type_id="a28a04cd-6f53-518a-967c-9963bf9cec51"
WHERE resource_type_id="dd1f723d-0d1e-513f-8218-4055dc0530d0";
这条SQL语句将所有错误的v5默认资源类型ID更新为正确的密码和描述资源类型ID。
长期解决方案
-
升级go-passbolt-cli:确保使用最新版本的go-passbolt-cli工具(0.1.9之后的版本),该版本已修复资源类型ID选择问题。
-
等待Passbolt API 4.10.1更新:Passbolt团队已确认将在4.10.1版本中修复此问题,使API能够更优雅地处理此类情况。
技术细节
Passbolt的资源系统基于资源类型(resource_types)表工作,每种资源类型都有特定的定义和属性。在正常情况下:
- 简单密码资源应使用"password-and-description"类型(a28a04cd-6f53-518a-967c-9963bf9cec51)
- 包含TOTP的资源使用"password-description-totp"类型(8cca88d9-a3f6-56df-b860-3ef08de5c5c4)
- 独立TOTP资源使用"totp"类型(05ba5c75-504d-5ad6-819a-83af68867d86)
当资源被错误地关联到v5默认资源类型(dd1f723d-0d1e-513f-8218-4055dc0530d0)时,API无法正确处理资源请求,导致404错误。
最佳实践建议
- 在升级Passbolt系统前,确保所有相关组件(包括CLI工具)都更新到兼容版本
- 定期备份数据库,以便在出现类似问题时可以快速恢复
- 对于生产环境,建议先在测试环境验证新版本的兼容性
- 关注Passbolt的官方更新日志,了解版本间的兼容性说明
通过以上措施,用户可以避免类似问题的发生,确保Passbolt系统的稳定运行。
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