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。
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-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
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