Azure Confidential Ledger Python SDK 1.2.0b1版本发布:增强用户与角色管理能力
Azure Confidential Ledger是一项基于区块链技术的分布式账本服务,为企业级应用提供了高度安全、防篡改的数据存储解决方案。其Python SDK为开发者提供了便捷的接口来与账本服务进行交互。最新发布的1.2.0b1版本带来了多项重要功能增强,特别是在用户管理和角色控制方面。
用户自定义角色管理
新版本引入了完整的用户自定义角色管理功能。开发者现在可以通过以下三个核心方法来精细控制角色权限:
update_user_defined_role:创建或更新用户自定义角色get_user_defined_role:获取特定角色的详细信息delete_user_defined_role:删除不再需要的自定义角色
这一功能使得企业可以根据自身业务需求,灵活定义不同级别的访问权限,而不再局限于系统预设的角色类型。例如,可以创建一个只能查看特定类型交易记录的角色,或者一个只能添加数据但不能修改的角色。
增强的账本用户管理
在用户管理方面,SDK提供了一套更完善的API:
create_or_update_ledger_user:创建新用户或更新现有用户信息delete_ledger_user:从账本中移除用户get_ledger_user:查询特定用户的详细信息list_ledger_users:列出账本中的所有用户
值得注意的是,新版本支持了用户与多个角色的关联,这一改进大大增强了权限管理的灵活性。一个用户现在可以同时拥有多个角色权限,例如同时具备"审计员"和"数据录入员"的角色,而不需要创建复杂的复合角色。
可编程端点支持
1.2.0b1版本新增了对可编程端点的支持:
create_user_defined_endpoint:创建用户自定义端点get_user_defined_endpoint:获取自定义端点的配置信息
这一功能允许开发者创建特定的服务端点,用于处理特定的业务逻辑或数据操作,为构建复杂的分布式应用提供了更多可能性。
用户定义函数支持
新版本还增加了对用户定义函数的支持,开发者现在可以在账本上执行自定义的业务逻辑。这一特性为复杂业务场景下的数据处理提供了强大支持,使得账本不仅仅是一个简单的数据存储,而能够执行特定的业务规则。
向后兼容性说明
虽然新版本引入了*_ledger_user系列方法,但旧的用户管理API仍然可用。不过开发者应当考虑迁移到新的API,因为旧API将在未来版本中被弃用。这种渐进式的API演进策略确保了现有应用的平稳过渡。
技术实现改进
在底层实现上,1.2.0b1版本将传统的azure core HTTP响应导入替换为azure.core.rest中的实现,这一变更带来了更好的性能和更现代的API设计。
总结
Azure Confidential Ledger Python SDK 1.2.0b1版本通过增强的用户和角色管理功能,为开发者提供了更精细的权限控制能力。新增的可编程端点和用户定义函数支持,则进一步扩展了账本的应用场景。这些改进使得该SDK更适合构建复杂的企业级分布式应用,同时保持了良好的向后兼容性。
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