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。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0114
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java04
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook08