Avo框架v3.19.0版本发布:嵌套资源与StoreModel增强
Avo是一个基于Ruby on Rails的开源管理面板框架,它允许开发者快速构建功能丰富的后台管理系统。最新发布的v3.19.0版本带来了一系列值得关注的功能增强和改进,特别是对嵌套资源和StoreModel::Model的支持有了显著提升。
核心功能更新
嵌套资源支持
v3.19.0版本正式引入了嵌套资源功能,这是本次更新的亮点之一。嵌套资源允许开发者在一个资源内部直接管理和操作相关联的子资源,无需跳转到单独的页面。这种设计模式特别适合处理具有层级关系的数据模型,比如文章与评论、产品与变体等一对多关系。
在实际应用中,开发者现在可以在父资源的show页面中直接嵌入子资源的CRUD操作界面,大大提升了管理后台的操作效率和用户体验。这一功能的实现基于Turbo Stream技术,确保了交互的流畅性。
StoreModel::Model数组支持
对于使用StoreModel::Model作为数据存储方案的开发者,这个版本带来了重大改进。现在Avo可以完美支持StoreModel中的数组类型字段,这意味着开发者可以更方便地处理存储在单个字段中的结构化数组数据。
例如,一个产品资源可能有多个规格参数存储在同一个JSON字段中,现在这些参数可以直接在Avo后台进行可视化管理,而无需复杂的自定义代码。这一改进显著扩展了Avo在复杂数据模型场景下的适用性。
用户体验优化
徽章样式改进
信息展示组件Discreet Information新增了as_badge选项和:id类型支持。这使得开发者可以更灵活地控制信息的展示样式,特别是对于状态标识、分类标签等场景,现在可以通过徽章样式来增强视觉效果。
移动端适配
针对移动设备用户的体验也得到改善,特别是过滤器组件在移动视图下的表现更加友好。这一改进确保了管理员在移动设备上也能高效地完成数据筛选和查询操作。
开发者体验提升
错误提示改进
当开发者在使用数组字段但忘记配置关联资源时,系统现在会提供更清晰的错误提示信息。这一改进减少了开发过程中的调试时间,特别是在处理复杂字段类型时。
自定义Ransacker支持
对于高级搜索场景,Avo现在允许开发者更灵活地定义自定义Ransacker。这为构建复杂的搜索逻辑提供了更多可能性,特别是在处理非标准字段或需要特殊处理的查询条件时。
安全性与维护
本次更新包含了多个安全补丁,特别是对Rack和JSON等核心依赖的版本升级,确保了系统的安全性。同时,持续集成流程也得到了优化,包括测试用例的完善和自动化工具的更新。
总结
Avo v3.19.0版本通过引入嵌套资源和增强StoreModel支持,进一步巩固了其作为Rails管理面板首选框架的地位。这些改进不仅提升了开发效率,也增强了最终用户的操作体验。对于正在使用或考虑使用Avo的团队来说,这个版本值得重点关注和升级。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C095
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python058
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00