External Secrets项目v0.17.0版本发布:全面转向v1 API的重大更新
External Secrets是一个Kubernetes原生的开源项目,它通过自定义资源定义(CRD)将外部密钥管理系统(如HashiCorp Vault、AWS Secrets Manager等)中的密钥安全地同步到Kubernetes Secrets中。该项目简化了密钥管理流程,使开发者能够在不直接处理敏感数据的情况下使用这些密钥。
版本核心变更
v0.17.0版本是External Secrets项目的一个重要里程碑,它正式停止了对v1beta1 API的支持,全面转向v1 API。这一变更意味着项目已经达到了更高的稳定性标准,API接口也趋于成熟。
升级注意事项
对于现有用户来说,升级到v0.17.0版本前必须完成以下关键步骤:
- 将所有现有的v1beta1资源定义升级为v1版本
- 确保所有自定义资源(CR)的apiVersion字段从
external-secrets.io/v1beta1更新为external-secrets.io/v1 - 确认集群中不再有任何使用v1beta1 API的资源
值得注意的是,v0.16.2版本已经支持v1 API,因此建议用户先在v0.16.2环境下完成API版本的迁移,然后再升级到v0.17.0,这样可以确保平滑过渡。
新功能与改进
1Password SDK集成
v0.17.0版本引入了基于官方SDK的1Password提供程序,这为使用1Password作为密钥管理后端的用户带来了更稳定、功能更完整的集成体验。新实现利用了1Password的Go SDK,相比之前的实现提供了更好的错误处理和更丰富的功能支持。
Vault客户端缓存优化
为了提高性能并减少资源消耗,新版本对Vault提供程序进行了优化,现在会为每个命名空间缓存单独的Vault客户端实例。这一改进特别适合多租户环境,可以避免不同命名空间间的客户端冲突,同时减少不必要的认证开销。
Infisical提供程序增强
Infisical提供程序现在支持路径中的密钥引用,用户可以更灵活地组织和管理他们的密钥。这一改进使得Infisical的data引用能够识别路径中的密钥,与Vault等提供程序的行为更加一致。
问题修复
- 修复了GitHub提供程序中的错误显示问题,现在能够正确显示来自GitHub的错误信息,便于故障排查
- 解决了GCP PushSecret在位置复制时的问题,确保密钥能够正确推送到指定的地理位置
- 改进了代码集成API,提高了稳定性和可用性
文档更新
- 添加了关于OpenBao与Vault提供程序兼容性的说明
- 更新了ECR令牌生成器的示例文档
- 将所有提供程序示例更新为使用v1 API版本
开发者体验改进
项目持续改进开发者体验,包括:
- 更新了多个开发依赖项
- 改进了发布流程,避免重复发布已存在的Helm图表
- 增强了代码集成API
总结
External Secrets v0.17.0是一个以稳定性为核心的版本,通过淘汰v1beta1 API标志着项目成熟度的提升。对于用户来说,这是一个需要谨慎处理的升级,但同时也带来了更稳定的API基础和多项功能改进。建议所有用户在升级前仔细阅读变更说明,并按照推荐步骤完成API版本的迁移工作。
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
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
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 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
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