Posh-ACME v4.29.0 版本发布:新增DNS插件与关键功能优化
Posh-ACME 是一个基于 PowerShell 的 ACME 客户端工具,主要用于自动化获取和管理 Let's Encrypt 等 CA 机构颁发的 SSL/TLS 证书。该项目简化了证书申请、续订和管理的流程,特别适合在 Windows 服务器环境中使用。
新增DNS插件支持
本次 v4.29.0 版本新增了对两家 DNS 服务提供商的支持:
-
Netcup DNS 插件
德国知名主机服务商 Netcup 的用户现在可以直接通过 Posh-ACME 完成 DNS 验证流程。该插件支持 Netcup 的 API 接口,能够自动创建和删除用于域名验证的 TXT 记录。 -
TransIP DNS 插件
荷兰域名注册商 TransIP 的用户现在也可以使用 Posh-ACME 进行自动化证书管理。该插件由社区贡献者开发,支持 TransIP 的 API 接口。
这两个新插件的加入进一步扩展了 Posh-ACME 的兼容性范围,使更多用户能够利用自动化方式管理 SSL 证书。
重要功能改进
Let's Encrypt 联系人参数处理优化
本次更新引入了一个重要的 -IgnoreContact 开关参数,专门用于解决 Let's Encrypt 用户可能遇到的问题:
- 背景:Let's Encrypt 关闭了其自动邮件警告服务后,某些情况下会导致每次续订都创建一个新账户
- 解决方案:
Set-PAServer命令新增的-IgnoreContact开关可以忽略相关函数中的-Contact参数 - 影响:
- 新安装且使用 Let's Encrypt 的用户将默认启用此选项
- 现有用户需要手动启用该选项,或者在使用 Let's Encrypt ACME 端点时停止使用
-Contact参数
Azure 插件增强
Azure DNS 插件新增了 AZAccessTokenSecure 参数,提供了更安全的方式来处理访问令牌,增强了凭证管理的安全性。
Windows 插件改进
Windows 证书存储插件新增了两个实用开关:
WinSkipCACheck:跳过 CA 检查,在某些特殊环境下可能有用WinNoCimSession:禁用 CIM 会话,由社区贡献者添加,解决了某些特定环境下的兼容性问题
问题修复与优化
本次版本还包含多项问题修复和优化:
- 安全改进:修复了证书 PFX 密码在调试日志和详细输出中可能以明文显示的问题
- 订单处理优化:修复了
New-PACertificate中可能导致不必要创建新订单的问题,现在会优先使用现有的未完成订单 - 配置文件切换:修复了切换配置文件时与现有订单匹配相关的几个小问题
- 兼容性增强:为 GoDaddy 的 ACME 实现添加了非标准订单响应的工作区
- PowerDNS 插件:修复了使用有限权限 API 密钥时的兼容性问题
总结
Posh-ACME v4.29.0 版本通过新增 DNS 插件支持、优化 Let's Encrypt 集成、增强安全性和修复多个问题,进一步提升了工具的实用性和稳定性。特别是对于使用 Let's Encrypt 服务的用户,强烈建议关注 -IgnoreContact 开关的相关变更,以避免账户管理方面的问题。
对于 Azure 和 Windows 环境用户,新版本也提供了更多配置选项,使得证书管理更加灵活。项目持续保持着活跃的开发状态,不断吸收社区贡献,是 Windows 环境下自动化证书管理的优秀选择。
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