Prowlarr v1.36.3.5071版本发布:索引器管理与搜索功能优化
Prowlarr是一个专为媒体服务器设计的索引器管理工具,它能够帮助用户集中管理各种索引器,并将这些索引器无缝同步到Sonarr、Radarr、Lidarr等媒体管理应用中。作为Sonarr生态中的重要组成部分,Prowlarr简化了索引器的配置和管理流程,为用户提供了统一的控制界面。
本次发布的v1.36.3.5071版本带来了一系列功能改进和问题修复,主要集中在搜索功能优化和索引器同步机制上。下面我们将详细解析这次更新的主要内容。
核心功能改进
搜索页面字符跳转功能修复
开发团队修复了搜索页面中的字符跳转功能,这一功能允许用户快速定位到特定字母开头的搜索结果。在之前的版本中,该功能可能存在跳转不准确或失效的问题,现在已得到彻底修复,提升了用户在大规模搜索结果中的导航效率。
索引器同步机制优化
本次更新对索引器同步到Lidarr和Readarr的机制进行了重要改进:
-
基础搜索同步:现在即使只支持基础搜索的索引器也能正确同步到Lidarr和Readarr应用,解决了之前版本中部分索引器无法同步的问题。
-
搜索可用性检查:系统现在会严格检查索引器的搜索功能是否可用,只有确认可用的索引器才会被同步到其他媒体管理应用,避免了无效索引器的同步。
特定索引器功能增强
PTP(PassThePopcorn)改进
针对PTP这个流行的私人索引器,本次更新带来了多项改进:
-
API凭证下载:修复了使用API凭证下载种子文件的功能,确保认证流程更加可靠。
-
分类映射:优化了搜索结果中的分类映射关系,使分类显示更加准确。
-
时间排序:修正了按添加时间排序发布内容的功能,现在可以正确显示最新添加的资源。
-
默认限速设置:为PTP索引器添加了每小时请求限制的默认值,防止因请求过多导致账户受限。
技术架构升级
在底层技术栈方面,本次更新包含了多项依赖库升级:
-
核心JS库:升级了core-js到3.42版本,带来了更好的JavaScript兼容性和性能优化。
-
前端框架:更新了Babel、FontAwesome图标库、React相关组件(react-use-measure、react-virtualized和react-window)等前端依赖,提升了用户界面的响应速度和稳定性。
-
构建工具:增强了构建过程的健壮性,现在如果测试结果缺失将会导致构建失败,确保发布质量。
错误修复与稳定性提升
-
用户代理解析:修复了在解析不带版本号的用户代理字符串时可能出现的异常问题。
-
HTTP超时处理:改进了HTTP请求超时的错误处理机制,现在能更准确地捕获和报告超时异常。
-
BHD API响应:优化了当BeyondHD(BHD)的API返回HTML内容时的错误提示信息,使问题诊断更加直观。
-
通知系统:清理了AppriseProxy中的日志消息,使系统通知相关的日志更加清晰易读。
多语言支持
开发团队持续完善多语言支持,本次更新包含了由Weblate平台贡献的多个翻译更新,进一步提升了非英语用户的使用体验。
升级注意事项
对于使用Docker容器的用户,需要注意必须更新容器镜像,而不是尝试在现有容器内更新Prowlarr。非Docker安装的用户如需接收后续更新,需要将分支设置为master(通过设置->常规->更新->分支进行配置)。
这次更新体现了Prowlarr团队对用户体验的持续关注和技术架构的不断优化,特别是在索引器管理和搜索功能方面的改进,将显著提升用户在日常使用中的效率和稳定性。
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
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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