BookStack v25.02版本发布:新增自动排序与主题系统增强
BookStack项目简介
BookStack是一款开源的文档管理和知识库系统,采用PHP语言开发,基于Laravel框架构建。它提供了类似在线百科全书的编辑体验,支持书籍、章节和页面的层级结构管理,内置富文本编辑器,并具备完善的权限控制系统。BookStack以其简洁直观的界面和易用性著称,适合团队协作和知识管理场景。
核心功能更新
自动排序规则的引入
v25.02版本最显著的改进之一是新增了自动排序功能。系统现在支持为书籍设置排序规则,包括按名称、创建时间或更新时间自动排序内容。这一功能解决了长期存在的排序管理痛点,用户不再需要手动调整章节和页面顺序。
技术实现上,系统通过新增的排序规则字段和后台任务机制,在内容变更时自动重新排序相关项目。值得注意的是,基础排序操作(如调整同层级项目顺序)不再触发内容更新时间戳的变更,这一优化减少了不必要的更新记录。
主题系统功能增强
本次更新扩展了主题系统的能力,新增了公共文件服务支持。开发者现在可以在主题文件夹中创建public/目录,该目录下的静态资源(如图片、CSS、JS文件)将被自动暴露为可公开访问的URL。
这一改进为主题开发者提供了更大的灵活性,使他们能够更方便地集成自定义前端资源。从技术架构角度看,这是通过扩展主题服务提供者实现的,新增了公共文件路由注册逻辑。
底层架构升级
框架版本更新
v25.02将底层框架升级至Laravel 11,这一重大更新带来了性能优化和新特性支持。同时,项目将最低PHP版本要求从8.1提升至8.2,以利用更新的语言特性并保持与现代PHP生态的兼容性。
升级过程中,开发团队特别处理了PHP 8.4的兼容性前瞻工作,修复了可能在未来版本中产生问题的代码模式,体现了良好的前瞻性维护策略。
搜索索引优化
搜索功能在本版本中获得了两项重要改进:
- 增强了对guillemets(法语引号«»)等特殊字符的处理能力
- 改进了分词逻辑,特别是连字符的处理方式
这些改进使搜索功能能够更准确地索引和匹配包含特殊符号或复合词的文档内容,提升了多语言环境下的搜索体验。
其他重要改进
图片处理修复
修复了图片方向处理的问题,现在系统能够正确识别和保持图片的EXIF方向信息,避免了上传图片显示方向错误的情况。
LDAP集成改进
增强了LDAP认证的健壮性,解决了当LDAP服务器未提供cn(通用名称)属性值时导致的错误问题,使企业级集成更加稳定可靠。
升级注意事项
- PHP版本要求:升级前需确保运行环境使用PHP 8.2或更高版本
- 主题系统变更:现有主题中的
public/目录将被自动公开,如有敏感内容需提前迁移 - 排序行为变化:简单排序操作不再更新内容时间戳,可能影响依赖此特性的自定义逻辑
总结
BookStack v25.02版本在保持系统易用性的同时,通过自动排序、主题系统增强等新功能进一步提升了用户体验。底层框架的升级为未来功能开发奠定了更坚实的基础,而搜索和图片处理等核心功能的优化则体现了项目对细节的关注。这些改进共同使BookStack在知识管理和文档协作领域的竞争力得到进一步提升。
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-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00- 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
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00