RedwoodJS v8.5.0 版本发布:增强开发体验与功能优化
RedwoodJS 是一个全栈 JavaScript 框架,它结合了 React、GraphQL 和 Prisma 等现代技术栈,旨在为开发者提供高效的全栈开发体验。该框架采用约定优于配置的理念,通过内置的代码生成器和标准化项目结构,大大简化了全栈应用的开发流程。
核心功能增强
命令行工具改进
本次更新对 CLI 工具进行了多项优化。首先增加了对 RWJS_CWD 环境变量和 --cwd 参数的支持,使得在设置 Tailwind CSS 时可以更灵活地指定工作目录。其次,现在可以为仅包含 id 和关系的模型生成 SDL 文件,这特别适用于简单的关联模型场景,例如汽车品牌与车型的关联关系。
Storybook 集成优化
Storybook 的预览配置现在具有更好的类型支持和 IntelliSense 提示。开发者可以获得更准确的类型推断和文档提示,这显著提升了在 Storybook 中开发和测试组件的体验。
路由系统增强
路由系统新增了 scroll 选项,开发者现在可以通过 navigate 或 Link 组件的选项来控制页面导航时是否重置滚动位置。这在需要保持页面滚动状态的场景下非常有用,比如在分页或无限滚动加载内容时。
安全性与认证改进
dbAuth 认证优化
dbAuth 认证模块现在支持更宽松的 SameSite cookie 策略。通过将 SameSite 设置为 Lax,用户在从外部域名跳转时可以立即获得认证状态,这改善了跨域场景下的用户体验。
问题修复
本次版本修复了多个关键问题,包括:
- 修复了路由参数处理中未定义值和 null 值的问题
- 将 Tailwind CSS 版本固定为 v3,确保稳定性直到 v4 支持完成
- 解决了多个依赖项的安全问题
开发者体验提升
类型系统增强
ListCell 组件的 Loading 和 Success 状态现在支持 GraphQL 输入变量的类型推断,同时改进了相关 TypeScript 文档。这使得在使用这些组件时可以获得更准确的类型提示和自动完成。
文档改进
文档中的粗体显示现在会作用于整个单词而非仅首字母,提高了文档的可读性和一致性。
依赖项更新
本次更新包含了多个依赖项的版本升级和安全修复,包括:
- prettier-plugin-curly 升级至 0.3.1
- react-hook-form 升级至 7.54.2
- Yarn 重新升级至 4.6.0
- 多个安全相关依赖项的更新
这些更新不仅带来了新功能,也提高了框架的安全性和稳定性。RedwoodJS 8.5.0 版本通过这些改进,进一步强化了其作为全栈开发框架的优势,为开发者提供了更完善、更安全的开发体验。
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