Avo 3.18.0 版本发布:更安全的预览策略与多项功能增强
Avo 是一个基于 Ruby on Rails 的现代管理面板框架,它允许开发者快速构建美观且功能丰富的后台管理系统。Avo 3.18.0 版本带来了多项重要更新,包括预览策略的改进、关联字段授权的一致性修复以及引擎挂载方式的优化。
预览策略增强
3.18.0 版本引入了一个重要的安全改进——预览策略(Preview Policy)。这个功能允许开发者更精细地控制哪些用户可以预览资源内容。在之前的版本中,预览功能可能缺乏足够的权限控制,这可能导致敏感信息泄露的风险。
新版本通过引入专门的预览策略类,让开发者可以像定义其他策略一样定义预览权限。例如,可以限制只有管理员才能预览某些敏感资源,而普通用户则无法访问预览功能。这种改进显著提升了系统的安全性。
关联字段授权一致性修复
另一个重要改进是修复了关联字段授权的一致性问题。在之前的版本中,has_one 字段的 read_only 和 disabled 选项可能存在不一致的行为。3.18.0 版本统一了这些行为,使得关联字段的授权控制更加可预测和一致。
这个改进特别影响了那些在 has_one 字段上使用 read_only 或 disabled 选项的应用。开发者需要检查这些字段的行为是否符合预期,必要时进行调整。
引擎挂载方式重构
3.18.0 版本对 Avo 引擎的挂载方式进行了重构,使其更加灵活和可靠。新的挂载方式提供了更好的隔离性和可配置性,特别是在复杂的 Rails 应用中。
这一变化可能会影响现有的路由配置,开发者需要按照升级指南调整他们的路由文件,以确保 Avo 能够正确挂载和工作。
新功能亮点
敏感信息保护
新版本引入了"discreet information"功能,允许开发者标记某些字段为敏感信息。这些字段在界面上会以模糊或部分隐藏的方式显示,防止敏感数据被意外泄露。
多选字段支持
Select 字段现在支持多选功能,这使得开发者可以更方便地创建允许用户选择多个选项的表单字段。这个功能特别适用于标签选择、权限分配等场景。
性能与稳定性改进
3.18.0 版本还包含多项性能优化和错误修复:
- 改进了分页器的 URL 生成逻辑,确保分页操作更加可靠
- 修复了数组资源授权的问题
- 改进了全局搜索功能的警告提示
- 优化了数字范围过滤器的行为
升级建议
由于包含了一些破坏性变更,建议开发者在升级前仔细阅读升级指南,特别是关于预览策略、关联字段授权和引擎挂载的部分。在测试环境中充分验证这些变更对现有功能的影响,确保平稳过渡到新版本。
总的来说,Avo 3.18.0 版本在安全性、一致性和功能性方面都有显著提升,是值得升级的一个版本。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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