Saleor Dashboard 3.21.0版本发布:业务建模优化与功能增强
项目简介
Saleor是一个开源的电子商务平台,采用现代技术栈构建,提供高性能的GraphQL API和响应式前端。Saleor Dashboard作为其管理后台,为商家提供了全面的店铺管理功能。本次3.21.0版本更新聚焦于业务建模的优化和多项实用功能的增强。
核心更新内容
业务建模界面重构
本次版本对内容、页面、页面类型和菜单进行了重新组织和命名,将它们统一归类到"建模(Modeling)"类别下。这一变化使得业务建模的逻辑更加清晰,用户能够更直观地理解和使用Saleor进行业务建模。值得注意的是,这一区域的改进仍在持续进行中,未来版本可能会有进一步的优化。
优惠券功能增强
在优惠券管理方面,3.21.0版本引入了针对特定变体的应用能力。现在,用户不仅可以将优惠券应用于产品、系列和类别,还可以精确到产品变体级别。这一改进为商家提供了更精细化的促销策略控制,可以在优惠券的创建和编辑表单中直接指定适用的变体。
客户元数据筛选
客户管理功能得到了增强,现在支持基于元数据的客户筛选。这一功能使得商家能够根据自定义的元数据字段快速定位特定客户群体,大大提升了客户细分和精准营销的效率。
用户体验优化
退款流程改进
由于Saleor API 3.21版本开始要求交易ID(transactionID)为必填项,本次Dashboard更新相应地在退款流程中增加了交易选择器。这一变化确保了退款操作能够准确关联到特定的交易记录,提高了财务操作的精确度和可追溯性。
界面一致性提升
版本中对多个区域的用户界面进行了统一优化,包括:
- 分页组件的样式统一
- 订单管理界面的布局优化
- 表格组件的视觉一致性改进
这些改进虽然看似细微,但显著提升了整体用户体验,降低了用户在不同功能间切换时的认知负担。
其他实用改进
- Webhook执行记录现在按最新尝试排序,便于问题排查
- 在数据网格中支持通过Cmd/Ctrl键在新标签页打开项目
- 礼品卡列表标签更清晰地表明显示的是客户已使用的卡片
- 订单履行信息中仓库和跟踪号分行显示,提高可读性
问题修复
3.21.0版本修复了多个影响用户体验的问题:
- 布尔类型属性的未设置和false值现在能够正确显示
- 草稿订单最终化操作增加了加载动画,防止重复提交
- 开发模式面板现在支持动态更新API URL,适应Docker容器环境
- 下拉属性编辑现在支持空值(nullish)的提交
技术实现亮点
从技术角度看,本次更新体现了Saleor Dashboard团队对细节的关注和对开发者体验的重视。特别是Webhook执行记录的排序优化和开发模式面板的改进,都反映了对实际开发场景的深入理解。界面一致性的提升则展示了团队对设计系统的持续完善。
总结
Saleor Dashboard 3.21.0版本通过业务建模界面的重构、优惠券功能的增强和多项用户体验优化,进一步提升了电商管理的效率和易用性。这些改进既包含了面向终端用户的功能增强,也包含了开发者体验的优化,体现了Saleor项目对全面质量的不懈追求。对于正在使用或考虑采用Saleor的电商企业来说,这一版本值得关注和升级。
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