Node.js v23.8.0 版本发布:系统CA证书支持与Zstd压缩算法引入
Node.js 是一个基于 Chrome V8 引擎的 JavaScript 运行时环境,它让开发者能够在服务器端运行 JavaScript 代码。作为当前版本(Current)的 v23.8.0 带来了多项重要更新,特别是在安全性和性能优化方面有显著改进。
系统CA证书支持增强
新版本在 macOS 和 Windows 平台上新增了 --use-system-ca 命令行标志,允许 Node.js 使用系统存储中的受信任 CA 证书。这一改进使得 Node.js 能够更好地与操作系统集成,特别是在企业环境中,系统管理员通常会集中管理证书颁发机构(CA)的信任列表。
开发者现在可以选择三种不同的 CA 证书来源:
--use-system-ca:使用系统存储的 CA 证书--use-bundled-ca:使用 Node.js 内置的 CA 证书--use-openssl-ca:使用 OpenSSL 的 CA 证书
这一功能对于需要与各种 HTTPS 服务交互的应用程序尤为重要,特别是在需要验证服务器证书的场景下。
URL Pattern API 实现
v23.8.0 引入了 URL Pattern API 的实现,这是一个用于解析和匹配 URL 的强大工具。URLPattern 构造函数现在可以从 node:url 模块导出,并将在 Node.js 24 中作为全局对象提供。
URL Pattern API 提供了一种声明式的方式来定义 URL 模式,并检查给定的 URL 是否匹配该模式。这对于路由系统、API 网关和其他需要 URL 处理的场景特别有用。开发者可以定义包含通配符、命名组和正则表达式的复杂 URL 模式,然后轻松地匹配和提取 URL 中的各个部分。
Zstandard (zstd) 压缩算法支持
Node.js 现在原生支持 Zstandard 压缩算法,这是一种现代的、高性能的压缩算法,由 Facebook 开发。zstd 提供了出色的压缩比和速度,特别适合需要高效数据压缩的场景。
在 node:zlib 模块中新增了多个 API,用于压缩和解压缩 zstd 流。这使得开发者可以在 Node.js 应用中轻松利用 zstd 的优势,特别是在处理大量数据或需要网络传输优化的场景中。
线程命名改进
为了提高调试体验,Node.js 现在会为进程创建的线程命名。对于工作线程(Worker Threads),可以使用传递给 Worker 构造函数的 name 选项来指定线程名称。
这一改进使得在调试多线程应用时,开发者能够更容易地识别和跟踪各个线程的活动,特别是在使用调试工具或分析线程转储时。
时区数据更新
Node.js 的时区数据已更新至 2025a 版本,主要变化包括:
- 南美某国从 2024 年春季开始永久采用 -03 时区
- 改进了菲律宾 1991 年前的数据准确性
这些更新确保了 Node.js 在处理日期和时间时能够提供最准确的结果,特别是对于历史日期和特定地区的时区规则。
SQLite 模块增强
SQLite 模块现在允许从用户定义函数返回 ArrayBufferView 类型的数据,这为处理二进制数据提供了更大的灵活性。此外,还修复了多个与内存管理和错误处理相关的问题,提高了模块的稳定性和可靠性。
其他改进
- 加密模块新增 API 用于获取 OpenSSL 安全级别
- 改进了错误处理和内存管理
- 更新了多个依赖项的版本
- 修复了多个 bug 和性能问题
Node.js v23.8.0 的这些改进进一步增强了其作为现代服务器端 JavaScript 运行时的能力,特别是在安全性、性能和开发者体验方面。开发者可以根据自己的需求选择性地采用这些新特性,以构建更强大、更可靠的应用程序。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00