Statamic CMS v5.47.0 版本发布:表单查询增强与多项优化
Statamic 是一个现代化的内容管理系统(CMS),以其灵活性和开发者友好性著称。它采用 Laravel 框架构建,提供了直观的内容管理和强大的自定义功能。最新发布的 v5.47.0 版本带来了一系列新功能和改进,主要集中在表单查询、权限控制、多站点支持等方面。
表单 GraphQL 查询支持 Sections
本次更新为 GraphQL 查询中的表单添加了对 Sections 的支持。这意味着开发者现在可以更灵活地查询表单中的不同部分,从而更精确地获取所需数据。Sections 是 Statamic 中组织表单字段的一种方式,通过将它们分组到不同的部分来提升表单的可管理性。
新增空值/非空值字段过滤器
v5.47.0 引入了两个实用的字段过滤器:empty 和 not_empty。这些过滤器允许开发者轻松筛选出值为空或非空的字段,这在处理大量数据时特别有用。例如,可以快速找出所有未填写特定字段的条目,或者只显示包含特定字段值的条目。
用户权限标签支持参数
用户权限标签(can/cant)现在支持传递参数,这为权限控制提供了更大的灵活性。开发者可以在模板中根据动态参数来检查用户权限,而不仅仅是静态定义的能力。这一改进使得权限逻辑可以更加细粒度化和上下文相关。
多站点命令增强
多站点功能是 Statamic 的一个重要特性,v5.47.0 在多站点命令中添加了钩子支持。这意味着开发者现在可以在执行多站点相关命令时插入自定义逻辑,进一步扩展了多站点管理的可能性。
安全性与性能改进
- CSP 头部设置:针对多域名 iframe 场景,更新了内容安全策略(CSP)头部设置,确保安全性。
- 数据引用更新器性能优化:改进了数据引用更新器的性能,特别是在处理大量数据时更为高效。
- 异常处理自定义:现在可以自定义覆盖异常的渲染回调,为错误处理提供了更多控制权。
其他功能增强
- Group 字段类型支持:数据引用更新器现在支持 Group 字段类型,扩展了其适用范围。
- 视频适配调整:在资源编辑器中优化了视频的适配方式,提升了用户体验。
- 搜索片段修复:修复了搜索结果中缺少搜索片段(search_snippets)的问题。
问题修复
v5.47.0 还包含了一系列问题修复,包括:
- 修正了值属性(Value properties)的空值检查逻辑
- 改进了修订版本(revision)的键查询返回集合
- 修复了导航引用无效条目时的处理
- 解决了资源字段类型上传控件在小尺寸下隐藏的问题
- 修正了测试环境中的站点缓存状态问题
国际化支持
本次更新还包含了对荷兰语翻译的改进,继续扩展 Statamic 的国际化支持。
Statamic v5.47.0 的这些更新和修复进一步提升了系统的稳定性、灵活性和用户体验,为开发者提供了更强大的工具来构建和管理内容丰富的网站。无论是表单处理、权限控制还是多站点管理,这些改进都使得 Statamic 在内容管理领域继续保持其竞争优势。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-X1-7BSpark-Prover-X1-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer-X1-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile015
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00