Payload CMS v3.15.0 版本发布:任务系统增强与多项优化
Payload CMS 是一个现代化的无头内容管理系统,采用 TypeScript 开发,为开发者提供了高度可定制的内容管理体验。最新发布的 v3.15.0 版本带来了一系列功能增强和问题修复,进一步提升了系统的稳定性和开发体验。
核心功能增强
子任务执行能力
本次更新最值得关注的是任务系统的增强,现在开发者可以在任务中运行子任务。这一改进为构建复杂的工作流提供了更大的灵活性,使得任务可以更好地模块化和复用。通过新的 RunInlineTaskFunction 类型,开发者可以更安全地定义和调用子任务。
Vercel 部署警告机制
针对使用 Vercel 部署的场景,系统现在会智能地检查上传集合是否配置了存储适配器。如果没有配置,会发出警告提示开发者,这有助于避免在生产环境中出现文件存储相关的问题。
用户体验优化
文档视图查询参数传递
在 Next.js 集成方面,文档视图现在能够将查询参数传递到查找操作中。这一改进使得开发者可以更灵活地控制数据的获取方式,实现更精确的文档筛选和排序。
偏好设置重置功能
管理界面新增了重置偏好设置的功能,为用户提供了更完整的设置管理体验。当用户需要恢复默认设置或解决某些界面显示问题时,这一功能将非常有用。
技术改进与问题修复
类型系统增强
- 扩展了
req.locale类型定义,支持all类型 - 提高了
findConfig函数的安全性 - 改进了 join 字段的 JSDoc 文档,并允许设置
maxDepth: 0
图像处理优化
修复了 withoutEnlargement 选项在高度或宽度未定义时的处理逻辑,使得图像处理更加健壮。
本地化改进
修复了复制到不同语言环境时,本地化数组和块生成新 ID 的问题,特别是在 PostgreSQL 数据库中避免了潜在的错误。
数据库迁移修复
针对 PostgreSQL 数据库:
- 修复了关系迁移中
adapter.schemaName回退处理的问题 - 在 v2 到 v3 的迁移中添加了缺失的引号和模式名称
富文本编辑器增强
Lexical 富文本编辑器获得了多项改进:
- 使 div 容器变为可选
- 修复了格式化内联代码在 Markdown 导出时的问题
- 改进了块类型在严格模式下的 JSX 转换支持
- 优化了内联块抽屉的打开行为
- 改进了块未找到时的错误消息
管理界面优化
- 修复了排序操作重置列的问题
- 改进了关系字段在抽屉下拉菜单中更改集合时的更新行为
- 确保列表抽屉不会影响底层步骤导航
- 修复了抽屉组件样式计算中缺失的闭合括号
开发者体验提升
模板改进
- 修复了类别嵌套文档的 URL 生成
- 在插件模板中使用
cross-env实现 Windows 兼容性 - 防止插件模板在 git 中包含嵌套的 next 文件夹
依赖更新
将 react-datepicker 升级到 v7.6.0 版本,以消除 React 19 的警告信息。
测试与稳定性
针对本地化端到端测试的稳定性问题进行了彻底修复,提高了测试的可靠性。
总结
Payload CMS v3.15.0 版本通过增强任务系统、优化数据库迁移、改进富文本编辑器和管理界面,为开发者提供了更强大、更稳定的内容管理解决方案。这些改进不仅提升了系统的功能性,也显著改善了开发体验和最终用户的使用感受。
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