OtterWiki v2.11.0 版本发布:增强导航与内容管理能力
OtterWiki 是一个基于 Git 的轻量级 Wiki 系统,采用 Python 编写,具有简洁的界面和强大的版本控制功能。它特别适合团队协作编写文档,所有内容变更都通过 Git 进行版本管理,支持 Markdown 格式,并提供完善的权限控制系统。
核心功能升级
侧边栏导航优化
新版本引入了 SIDEBAR_MENUTREE_FOCUS 配置选项,解决了页面导航中的一大痛点。传统 Wiki 系统的树形导航往往只显示当前展开的路径,而这次更新允许用户选择始终显示所有页面在侧边栏中。这个改进特别适合内容结构复杂的大型 Wiki,用户无需反复展开折叠就能快速定位到目标页面,显著提升了导航效率。
内容变更订阅功能
针对团队协作场景,v2.11.0 新增了 RSS/Atom 订阅功能。现在团队成员可以通过自己喜欢的阅读器订阅 Wiki 的变更日志,实时获取内容更新通知。这个功能基于标准协议实现,支持大多数现代阅读器,为分布式团队提供了更灵活的内容跟踪方式。
锚点链接支持
Markdown 编辑体验得到增强,现在支持在 Wiki 链接中包含片段标识符(即锚点)。用户可以通过 [[页面名称#章节]] 的语法直接链接到页面的特定章节,这在长文档中特别有用。系统会自动验证目标锚点是否存在,确保链接有效性。
部署改进
Docker 权限管理优化
容器化部署方面做了重要改进,现在可以通过环境变量 PUID 和 PGID 灵活配置运行时的用户权限。对于使用 slim 镜像的场景,支持通过 --user 参数直接指定运行用户。这些改进使得 OtterWiki 在严格的权限控制环境中部署更加方便,也更好地遵循了安全最佳实践。
问题修复与稳定性
本次发布修复了 Unicode 字符导致页面历史显示异常的问题,增强了系统对多语言内容的支持。此外还包括多项代码质量改进,遵循 pyright 静态类型检查器的建议进行了代码清理,提升了整体代码健壮性。
总结
OtterWiki v2.11.0 版本在用户体验和系统功能上都做出了显著改进。导航系统的优化让内容查找更加高效,订阅功能的加入提升了团队协作的便利性,而部署选项的完善则让系统在各种环境中都能稳定运行。这些改进使得 OtterWiki 作为一个轻量级 Wiki 解决方案更加成熟可靠,特别适合技术文档管理和团队知识共享场景。
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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
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