Code.org v2025-05-16.0版本技术解析:课程管理与开发工具优化
Code.org是一个致力于推广计算机科学教育的非营利组织,通过提供在线编程课程和工具,让全球学生都能接触到高质量的编程教育。本次发布的v2025-05-16.0版本主要围绕课程内容管理、开发工具优化和教学辅助功能进行了多项改进。
课程单元隐藏功能优化
本次更新对课程单元隐藏功能进行了重要调整。开发团队最初在#65811提交中引入了unit.hide_within_course功能,随后经历了两次回滚(#65892和#65895),最终在#65897中稳定实现了这一特性。
这项功能允许课程创建者更精细地控制课程单元的可见性,而不仅仅是简单的显示/隐藏。具体实现上,技术团队优化了后端逻辑,确保在课程结构中能够正确识别和处理隐藏单元的状态。这种改进特别适合那些需要根据不同教学场景(如不同班级、不同学习阶段)动态调整课程内容展示的教育工作者。
工作坊管理功能增强
在教师工作坊管理方面,#65865提交增加了工作坊组织者编辑功能。这项改进使得管理员能够更灵活地管理工作坊的负责人信息,解决了之前组织者信息一旦设定就无法修改的问题。
技术实现上,后端新增了相应的API端点,前端则扩展了工作坊管理界面,添加了组织者编辑控件。同时确保了权限系统的完整性,只有具备相应权限的用户才能执行编辑操作。
开发环境快捷键与文件管理
针对开发环境的改进是本版本的另一个亮点:
-
快捷键支持扩展(#65839):为WebLab和PythonLab增加了运行按钮、控制台和编辑器的快捷键支持。这显著提升了开发效率,特别是对于频繁在代码编辑和测试之间切换的高级用户。
-
文件类型限制(#65856):PythonLab现在限制了上传/创建文件的类型,只允许支持的文件类型。这一改进通过前端验证和后端检查双重保障,有效防止了不兼容文件导致的运行时错误,同时提升了安全性。
前端构建优化
#65899提交移除了Blockly的Babel loose: true类转换配置。这项技术调整虽然对终端用户不可见,但改善了代码的规范性和未来的维护性。开发团队通过细致的测试确保这一变更不会影响Blockly模块的功能表现。
缓存与部署改进
在系统架构方面,本次更新包含了两项重要改进:
-
ISR缓存优化(#65887):修复了增量静态再生(ISR)在不强制静态情况下的缓存行为,提高了内容更新效率和系统响应速度。
-
CLI操作标签持久化(#65736):通过在Stack标签中设置CLI操作,确保在ci_build重建时保留关键配置信息。这一改进增强了部署系统的可靠性和可追溯性。
教学辅助功能完善
针对教师用户的体验也获得了多项改进:
-
协作教师功能修复(#65802):解决了新首页中协作教师功能的若干问题,提升了多教师协作教学的流畅度。
-
区域合作伙伴联系表单清理(#65774):优化了表单结构和数据处理逻辑,简化了合作伙伴的申请流程。
营销页面增强
#65905为/all-the-things营销页面添加了轮播组件。这一改进不仅提升了页面的视觉吸引力,还通过更有效的内容展示方式,帮助访问者快速了解Code.org提供的多样化教育资源。
总结
Code.org v2025-05-16.0版本通过一系列技术改进,从课程管理、开发工具到教学辅助等多个维度提升了平台的功能性和用户体验。这些更新体现了开发团队对教育场景需求的深入理解和技术实现的严谨态度,为计算机科学教育的普及提供了更加强大的技术支持。
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-5.1GLM-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
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