Panel v1.6.1版本发布:增强反向代理支持与开发者体验优化
Panel作为HoloViz生态系统中的重要组件,是一个强大的Python数据可视化仪表板构建工具。它允许开发者快速创建交互式Web应用,支持从简单的数据探索到复杂的企业级仪表板开发。最新发布的v1.6.1版本虽然是一个补丁更新,但带来了多项重要改进,特别是在反向代理支持、开发者体验和核心功能稳定性方面。
反向代理支持增强
在企业级部署场景中,Panel应用经常需要通过反向代理(如Nginx、Apache等)提供服务。v1.6.1版本针对这一使用场景做了重要改进:
-
索引页面重定向修复:现在当Panel应用部署在反向代理后的子路径时,索引页面的重定向能够正确处理相对路径,避免了常见的404错误问题。
-
根URL自动检测:在认证流程中,系统现在能够更准确地自动检测应用的根URL,这对于需要身份验证的应用部署在反向代理后特别重要。
-
自定义登录端点修复:修复了自定义登录端点的处理逻辑,确保认证系统在复杂部署环境下也能正常工作。
这些改进使得Panel应用在各类企业IT架构中的部署更加顺畅,减少了配置复杂度。
开发者体验提升
v1.6.1版本对开发者工作流做了多项优化:
-
ESM组件支持增强:
- 现在ESM组件可以正确加载CSS资源包,解决了样式隔离问题
- 改进了组件实现的解析逻辑,确保自定义组件能按预期工作
ReactiveESM.select方法现在能自动检测子组件,减少了手动配置
-
编译命令改进:
- 新增了
panel compile命令的watch模式,可以实时监测文件变化并重新编译 - 修复了资源模式处理,确保自定义组件和扩展在笔记本环境中表现一致
- 新增了
-
类型检查支持:
- 改进了类型提示,使类型检查工具能更准确地推断扩展参数类型
- 这显著提升了大型项目的开发体验和代码质量
核心功能改进与修复
-
聊天组件增强:
ChatFeed新增了scroll_to方法,可以编程控制聊天内容的滚动位置- 修复了默认头像的显示问题,提升了用户体验一致性
-
数据展示组件:
Feed组件现在会在对象更新时重置visible_range,避免了显示异常Tabulator表格组件修复了筛选后的选择状态问题,确保选择行为符合预期
-
事件处理优化:
- 改进了周期性回调的错误处理,确保错误能被正确记录
- 优化了进程内事件清理机制,防止内存泄漏
兼容性更新
-
Plotly 6.0支持:全面适配最新版Plotly库,确保基于Plotly的可视化组件正常工作。
-
Pyodide/PyScript升级:将Pyodide升级至0.27.2版本,PyScript升级至2025.2.1版本,提升了在浏览器中运行Python代码的性能和稳定性。
总结
Panel v1.6.1虽然是一个小版本更新,但在生产环境部署和开发者体验方面做出了重要改进。这些变化使得Panel在复杂企业环境中的部署更加可靠,同时为开发者提供了更流畅的工作流程。特别是对反向代理场景的支持增强,将大大简化Panel应用在企业IT架构中的集成难度。对于正在使用或考虑采用Panel构建数据应用的企业和开发者,这个版本值得升级。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00