NodeBB中Actor对象的`@context`缺少安全词汇表声明
在NodeBB的ActivityPub实现中,发现了一个关于JSON-LD上下文声明的技术细节问题。当NodeBB通过ActivityPub协议暴露用户或分类的Actor对象时,其JSON-LD的@context属性中缺少了关键的安全词汇表声明https://w3id.org/security/v1。
JSON-LD上下文在ActivityPub协议中扮演着至关重要的角色。它定义了文档中使用的术语和数据类型,使不同系统能够正确解释JSON对象的结构和语义。在ActivityPub实现中,https://w3id.org/security/v1上下文特别重要,因为它包含了与安全相关的词汇定义,特别是公钥信息的描述。
具体来说,NodeBB的Actor对象中包含publicKey字段及其子字段(如publicKeyPem等),这些字段正是定义在安全词汇表中的。缺少相应的上下文声明会导致严格遵循JSON-LD规范的联邦宇宙(Fediverse)实现无法正确解析这些安全相关的字段。
这个问题最初是由于开发者对JSON-LD上下文机制的理解偏差导致的。开发者误以为包含某个上下文URL就意味着声明支持该规范的所有功能,因此出于谨慎考虑移除了未完全理解的上下文声明。实际上,JSON-LD上下文机制更加灵活——它只声明文档中可能使用的术语和类型,而不代表实现必须支持上下文中的所有功能。
从技术实现角度看,修复这个问题相对简单,只需在Actor对象的@context数组中添加https://w3id.org/security/v1即可。NodeBB团队已经将这个修复应用到用户和分类两种Actor对象中,确保了与其他ActivityPub实现的更好兼容性。
这个案例也提醒我们,在实现开放协议时,准确理解规范中的每个技术细节非常重要。特别是在联邦宇宙这样的分布式系统中,微小的实现差异可能导致互操作性问题。JSON-LD作为ActivityPub的基础技术之一,其上下文机制的正确使用对于确保不同平台间的顺畅通信至关重要。
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-7BSpark-Prover-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-7BSpark-Formalizer-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).Dockerfile014
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