bknd项目v0.12.0版本发布:类型生成与安全增强
bknd是一个现代化的后端开发框架,它提供了从数据模型定义到API生成的一整套解决方案。最新发布的v0.12.0版本带来了多项重要更新,特别是在类型安全和系统安全方面有了显著提升。
类型生成功能
在开发过程中,类型安全是保证代码质量的重要手段。新版本引入了类型生成功能,开发者可以通过简单的命令行操作自动生成项目中所有实体的TypeScript类型定义。
使用方式非常简单,只需在项目根目录下执行:
npx bknd types
这条命令会生成一个名为bknd-types.d.ts的类型定义文件。为了确保这些类型能够在项目中生效,开发者需要将其包含在tsconfig.json的include数组中。
这一功能无论是对使用原型函数定义数据结构的开发者,还是偏好通过Admin UI可视化构建数据模型的用户都非常实用,它大大减少了手动维护类型定义的工作量,提高了开发效率。
密码哈希策略增强
在安全方面,v0.12.0版本新增了bcrypt作为密码哈希策略选项。bcrypt是目前公认的安全密码哈希算法,它通过加入"盐"(salt)和可调节的计算成本来有效抵御彩虹表攻击。
现在开发者可以在密码策略配置中选择三种哈希方式:
- plain - 明文存储(仅建议用于开发和测试环境)
- sha256 - SHA-256哈希
- bcrypt - 更安全的bcrypt哈希
这一变化使得bknd在用户认证安全方面达到了行业标准,为生产环境应用提供了更可靠的安全保障。
媒体文件权限控制
新版本还对媒体文件的安全访问机制进行了完善。当启用Guard安全模块时,现在需要为角色显式配置以下媒体相关权限:
- 读取媒体文件
- 列出媒体文件
- 上传媒体文件
- 删除媒体文件
对于已经配置了implicit_allow的管理员角色,系统会自动应用这些新权限,确保现有系统的平滑过渡。这一改进使得媒体资源的访问控制更加精细,符合最小权限原则。
其他重要改进
除了上述主要特性外,v0.12.0还包含多项优化和修复:
- 错误处理和日志记录机制得到了增强,使调试更加方便
- Media API现在支持自定义fetch实现,提高了灵活性
- 同步事件处理机制得到修复,确保操作的正确顺序
- Dropzone组件进行了重构,使用zustand统一状态管理
- 移除了LiquidJs渲染引擎,改用更简单的渲染器实现
这些改进共同提升了框架的稳定性、性能和开发者体验。
升级建议
对于正在使用bknd的项目,建议尽快升级到v0.12.0版本以获取这些新特性和安全改进。特别是对于生产环境应用,采用bcrypt密码哈希策略和媒体权限控制将显著提高系统安全性。
升级过程通常只需更新依赖版本并重新生成类型定义即可。如果项目中有自定义的媒体访问逻辑,可能需要根据新的权限系统进行相应调整。
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
atomcodeAn open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust016
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00