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是一个现代化的开源电子商务平台,基于GraphQL构建,采用React前端框架。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版本的发布,主要围绕业务建模优化、功能增强和用户体验改进展开。
业务建模重构
本次更新对内容管理、页面类型和菜单结构进行了重大重组,将它们统一归类到"建模(Modeling)"类别下。这一变化反映了Saleor团队对业务建模概念的强化,旨在帮助商家更清晰地构建和管理电子商务业务模型。
在技术实现上,这一重构涉及多个提交(35a8c3b, 957d7ea, 9b342f1),包括:
- 内容管理结构的重新组织
- 页面类型的重新分类
- 导航菜单的优化布局
这种结构调整不仅提升了用户体验,也为未来更多建模功能的扩展奠定了基础。开发者可以预期,Saleor将在这一领域持续投入,带来更多业务建模相关的功能。
新功能亮点
优惠券支持特定变体
在3.21.0版本中,优惠券功能得到了显著增强(9ac320a)。现在除了可以针对产品、系列和类别应用优惠券外,还可以针对特定的产品变体设置优惠。这一功能在技术实现上涉及:
- 扩展优惠券数据模型以支持变体关联
- 修改创建和编辑表单以包含变体选择器
- 更新优惠券应用逻辑以处理变体级别的限制
对于开发者而言,这意味着API中优惠券相关的查询和变更操作可能需要相应调整,特别是在处理变体关联时。
客户元数据过滤
另一个实用功能是客户列表现在支持基于元数据的过滤(cc48fe4)。这一功能的技术实现包括:
- 扩展客户查询API以支持元数据过滤条件
- 在前端添加元数据过滤控件
- 优化查询性能以处理元数据过滤
这对于需要基于自定义字段管理客户的商家特别有用,例如可以根据会员等级、购买偏好等元数据进行筛选。
技术改进与优化
退款流程增强
由于Saleor API 3.21版本中transactionID变为必填字段,退款流程进行了相应调整(06623af)。现在退款和替换流程中增加了交易选择器,技术上:
- 更新了退款表单以包含交易选择
- 修改了API调用以确保包含有效的transactionID
- 增强了错误处理以应对缺少交易ID的情况
数据网格体验优化
数据网格(DataGrid)功能得到了多项改进(1743872, 8032935),特别是:
- 支持通过Cmd/Ctrl键在新标签页中打开项目
- 统一了分页和表格的UI风格(4f00787, 38ead73, 74e620d)
- 提升了大型数据集的渲染性能
这些改进使得处理大量数据时更加高效,特别是对于需要同时查看多个记录的商家。
问题修复与稳定性提升
本次发布还包含多项问题修复,显著提升了系统的稳定性和用户体验:
- 布尔属性显示问题(fc75f66):修复了未设置和false值的布尔属性显示不一致的问题
- 草稿订单提交优化(e2355cf):添加了加载动画防止重复提交
- 开发模式面板改进(d643828):使DevModePanel能够动态更新API URL
- 下拉属性编辑修复(7d2d773):支持在编辑下拉属性时发送nullish值
开发者注意事项
对于集成Saleor Dashboard的开发者,需要注意以下技术细节:
- API变更:transactionID现在在退款操作中是必填字段
- 数据结构:优惠券现在关联变体,可能需要更新相关查询
- 元数据查询:客户列表过滤支持元数据条件
- UI组件:多个核心组件(如DataGrid)的行为和样式有更新
总结
Saleor Dashboard 3.21.0版本通过业务建模重构、功能增强和多项优化,进一步提升了电子商务管理的效率和灵活性。特别是优惠券变体支持和客户元数据过滤等新功能,为商家提供了更精细的业务控制能力。技术团队可以关注API变更和UI组件的更新,确保平滑升级到新版本。
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