Payload CMS v3.39.0 发布:文件夹管理与多项功能增强
Payload CMS 是一个现代化的无头内容管理系统,采用 Node.js 和 React 构建,以其灵活性和开发者友好的特性而著称。最新发布的 v3.39.0 版本带来了多项重要更新,其中最引人注目的是全新的文件夹功能,让内容组织变得更加直观高效。
核心功能:文件夹管理
本次更新的重头戏是全新的文件夹功能,它彻底改变了用户在 Payload CMS 中组织和浏览内容的方式。这项功能允许管理员:
- 按集合(collection)启用文件夹支持
- 在管理界面或通过 API 创建文件夹结构
- 跨不同集合类型组织文档
- 通过"按文件夹"视图或全局"浏览文件夹"视图查看内容
文件夹功能的引入解决了大型项目中内容管理混乱的问题。例如,在一个新闻网站中,编辑现在可以创建"2024年"、"体育"、"科技"等文件夹来分类文章,而不是依赖传统的标签或分类系统。这种物理文件夹结构更符合用户的心理模型,大大提升了内容管理的效率。
列表视图增强
v3.39.0 版本改进了列表视图的显示方式,现在可以将组(group)内的字段作为独立列显示。这一改进使得:
- 复杂数据结构在表格中更清晰地呈现
- 用户无需展开条目就能看到关键信息
- 提升了数据浏览和比较的效率
例如,如果一个产品集合有一个"规格"组,包含"重量"、"尺寸"等字段,现在这些字段可以直接作为表格列显示,而不是隐藏在组内。
表单构建器插件增强
表单构建器插件新增了日期字段支持,这使得:
- 可以创建包含日期选择器的表单
- 支持日期验证和格式设置
- 扩展了表单数据收集的能力
富文本编辑器改进
Lexical 富文本编辑器新增了文本状态功能,允许用户:
- 为文本应用颜色和背景色样式
- 创建更丰富的排版效果
- 保持样式的一致性
技术优化与问题修复
除了新功能外,本次更新还包含多项技术优化和问题修复:
- 查询预设约束现在会自动注入 req.user,简化了权限控制实现
- 修复了原始文件在不放大情况下的调整大小问题
- 解决了环境文件加载不正确的问题
- 改进了重复区块的清理处理
- 修复了可排序字段与组和标签页的迁移问题
- 虚拟字段现在会正确遵循 hidden: true 设置
数据库层面也有多项改进:
- 确保排序一致性,即使在不唯一字段或无排序参数情况下
- 移除了嵌套查询中的 limit 限制
- 允许在不同位置使用相同区块slug但不同的 localized 值
性能优化
针对用户界面进行了性能优化,特别是:
- 改进了 useAsTitle 字段在慢速CPU上的表现
- 减少了列表视图的渲染开销
开发者体验改进
本次更新还包含多项提升开发者体验的改进:
- 提取了关系输入组件供外部使用,提高了代码复用性
- 简化了 buildColumnState 函数
- 修复了所有 lint 错误并添加了预防机制
- 改进了模板中的环境配置处理
多语言支持
多项插件增强了多语言支持:
- 导入导出插件添加了所有UI元素和字段的翻译
- 多租户插件修复了多语言租户选择标签问题
- 添加了"分配租户"字段的缺失翻译
总结
Payload CMS v3.39.0 通过引入文件夹管理等重要功能,进一步巩固了其作为现代化内容管理系统的地位。这些改进不仅提升了终端用户的内容管理体验,也为开发者提供了更强大、更稳定的工具。特别是对于需要管理大量结构化内容的中大型项目,新版本带来的组织能力和性能优化将显著提高工作效率。
随着这些功能的加入,Payload CMS 继续向着更直观、更高效的方向发展,为开发者和内容创作者提供了更完善的内容管理解决方案。
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