GrandNode 2.3.0 版本发布:模块化架构与ASP.NET Core 9升级
GrandNode是一个基于ASP.NET Core和MongoDB的开源电子商务平台,它提供了完整的电商解决方案,包括产品管理、订单处理、客户管理等功能。最新发布的2.3.0版本带来了多项重要改进,标志着该项目在架构设计和功能模块化方面迈出了重要一步。
核心架构升级
本次版本最重要的变化是迁移到了ASP.NET Core 9.0平台,这为项目带来了最新的.NET性能优化和安全特性。同时开发团队重构了整个API层,移除了原有的OData和Swagger实现,转而采用更现代的OpenAPI标准和Scalar文档工具,这将显著提升API的文档质量和开发体验。
在架构设计上,2.3.0版本引入了模块化设计理念,将系统功能划分为多个独立模块:
- 安装模块:负责系统的初始安装和配置
- 迁移模块:处理数据迁移和版本升级
- API模块:提供完整的API功能
- 计划任务模块:管理系统后台任务
这种模块化设计通过appsettings配置文件可以灵活启用或禁用各个模块,大大提高了系统的可定制性和可维护性。
开发工具与流程改进
项目现在采用了中央包管理(Central Package Management)模式,统一管理所有NuGet包依赖,解决了传统方式下包版本分散管理的问题,使依赖关系更加清晰可控。
在持续集成方面,开发团队增强了CI/CD流水线,新增了CodeQL代码安全分析和SonarQube代码质量检查工具,这些改进将帮助开发者更早发现潜在问题,提高代码质量。
功能优化与安全增强
数据库层升级到了MongoDB 3.0驱动,带来了更好的性能和稳定性。安全方面特别修复了跨站脚本(XSS)问题,增强了系统的安全性。
产品图片功能新增了IsDefault属性,可以更方便地管理默认展示图片。SEO处理也进行了重构,使用专门的ISeNameService服务,使SEO相关逻辑更加集中和一致。
开发者体验提升
项目移除了对Docker Compose的原生支持,转而采用更现代的Aspire项目来简化开发和部署体验。工作上下文(WorkContext)的访问方式也进行了重构,使代码更加清晰。
国际化和本地化支持得到增强,新增了IPluginTranslateResource接口,使插件开发者可以更方便地实现多语言支持。枚举类型的翻译服务也得到了改进,简化了前端展示代码。
总结
GrandNode 2.3.0版本通过模块化架构重构、开发工具链升级和多项功能优化,为开发者提供了更灵活、更安全的电商平台基础。特别是向ASP.NET Core 9的迁移和API层的现代化改造,为项目的长期发展奠定了坚实基础。这些改进使GrandNode在保持电商核心功能的同时,具备了更好的扩展性和可维护性,适合需要高度定制化电商解决方案的企业和开发者。
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