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。
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