Kirby 5.0.0-rc.4 版本发布:文件上传优化与文本输入改进
Kirby 是一个灵活的内容管理系统,以其简洁的设计和强大的自定义能力著称。最新发布的 5.0.0-rc.4 版本是 5.0.0 系列的第四个候选版本,主要针对文件上传功能和文本输入处理进行了多项优化和改进。
文件上传功能增强
本次更新对文件上传模块进行了多项改进,提升了上传过程的稳定性和用户体验:
-
新增异步通知机制:通过
panel.upload.announce()方法,系统现在能够在文件上传完成后发送成功通知并触发model.update事件,确保界面及时更新。 -
错误处理改进:上传模块现在会为每个未能成功上传的文件发送
file.upload.error事件,便于开发者进行针对性的错误处理。 -
事件触发时机优化:
file.upload事件现在会在单个文件上传完成后立即触发,而不是等待所有文件上传完成,这提高了系统的响应速度。
文本输入处理改进
文本输入区域(TextareaInput)的处理逻辑得到了显著增强:
-
新增异步方法:引入了
TextareaInput.restoreSelection()异步方法,取代了原有的restoreSelectionCallback,提供了更稳定的异步控制。 -
方法异步化:多个关键方法被改造为异步方法,包括
insert、insertFile、insertUpload、prepend、toggle和wrap,确保了异步操作的顺序性和可靠性。 -
上传内容插入优化:
TextareaInput.insertUpload()现在使用await panel.content.update()来推送文本值变更,直接与变更 API 交互,确保视图正确刷新。
问题修复
本次更新修复了多个影响用户体验的问题:
-
内容保存优化:
panel.content.save()现在会调用panel.content.cancelSaving()来取消任何旧的保存请求,避免了潜在的竞态条件。 -
文件字段优化:
FilesField不再在上传后发送不必要的file.upload和model.update事件,避免了重复的区块重新加载请求。 -
选择字段显示优化:选择和单选字段预览现在显示选项文本而非值,提高了可读性。
-
暗色模式适配:调整了文件浏览器中移动返回按钮在暗色模式下的背景颜色,提升了视觉一致性。
技术细节与最佳实践
对于开发者而言,本次更新带来了一些值得注意的技术变化:
-
方法可见性调整:
HasMethods::hasMethod()方法重新变为公开方法,方便开发者使用。 -
事件处理优化:上传模块现在会在任何上传完成时正确触发
complete事件,无论上传是成功还是被取消。 -
代码重构:将 trait 模板注解移动到类文档中,提高了代码的可读性和维护性。
升级建议
对于正在使用 Kirby 5.0.0 候选版本的用户,建议及时升级到 rc.4 版本以获得更稳定的文件上传体验和更可靠的文本输入处理。特别注意以下变更:
-
替换所有使用
TextareaInput.restoreSelectionCallback()的代码为新的TextareaInput.restoreSelection()方法。 -
检查自定义上传处理逻辑,确保能够正确处理新的
file.upload.error事件。 -
验证暗色模式下的界面显示效果,特别是文件浏览器中的返回按钮。
Kirby 5.0.0 系列版本正在稳步推进,rc.4 版本的发布标志着系统在稳定性和用户体验方面又向前迈进了一步。开发团队持续关注用户反馈,不断优化系统功能,为即将到来的正式版发布做好准备。
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