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。
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