Google Site Kit WordPress插件1.153.0版本发布:新增横幅组件与电商追踪优化
Google Site Kit是Google官方推出的WordPress插件,它能够帮助网站管理员轻松集成Google的各项服务(如Analytics、Search Console、AdSense等)到WordPress后台,无需编写代码即可获取关键数据。最新发布的1.153.0版本带来了一系列功能增强和优化,特别是新增了Banner组件和改进了电商平台的追踪功能。
核心功能更新
新增Banner组件
本次更新引入了全新的Banner组件,这是一个重要的UI改进。Banner组件可以用于显示重要通知、推广信息或系统警报,为用户提供更加醒目和一致的信息展示方式。开发者现在可以利用这个标准化组件来展示各类通知信息,确保用户界面的统一性和专业性。
电商追踪功能增强
针对电子商务网站,本次更新对WooCommerce和Easy Digital Downloads两个流行插件的追踪功能进行了显著改进:
-
WooCommerce追踪增强:现在能够收集和展示更多交易相关的细节数据,为商家提供更全面的销售分析。
-
Easy Digital Downloads优化:在Analytics事件中新增了商品价格和名称信息,使数据分析更加精准,帮助商家更好地理解哪些产品表现最佳。
这些改进使得电商网站能够获得更详细的用户行为数据和交易信息,为业务决策提供更有力的数据支持。
通知系统优化
-
新功能通知标准化:重构了新功能类型的通知,统一使用新的
<Notice type="new">组件,提高了界面一致性。 -
RRM介绍性覆盖通知重构:采用新的通知基础设施重新实现了RRM介绍性覆盖通知,提高了代码的可维护性。
-
自动关闭机制:引入智能通知管理,当用户连续三天查看同一通知后,系统会自动将其关闭,减少对用户的干扰。
性能与代码质量改进
-
AudienceTiles组件重构:通过降低圈复杂度并移除了ESLint覆盖,提高了代码质量和可维护性。
-
数据存储reducers重写:使用Immer库重写了一组数据存储reducers,简化了不可变数据更新逻辑,提高了开发效率。
-
图表显示优化:修复了Analytics All Traffic小部件中饼图在特定情况下的数据显示问题,确保当当前日期范围无数据但前一范围有数据时,正确显示零数据状态。
问题修复
-
自定义维度创建问题:修复了在Key Metrics全屏选择视图中,当选择需要自定义维度的指标时,缺失的自定义维度未被正确创建的问题。
-
Ninja Forms追踪脚本:解决了Marionette相关的问题,确保表单转化追踪正常工作。
-
合作伙伴广告集成:更新了合作伙伴广告集成,确保广告相关功能稳定运行。
总结
Google Site Kit 1.153.0版本通过新增Banner组件、增强电商追踪能力、优化通知系统以及改进代码质量,为WordPress网站管理员提供了更加强大和稳定的Google服务集成体验。特别是对电子商务网站的支持增强,使得商家能够获取更详细的销售和用户行为数据,从而做出更明智的业务决策。这些改进不仅提升了功能性,也增强了用户体验和系统稳定性。
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