Komga 1.20.0版本发布:客户端设置API与UI增强
Komga是一款开源的漫画/电子书媒体服务器,它允许用户通过网页浏览器或移动应用来管理和阅读自己的数字漫画收藏。作为一款自托管解决方案,Komga提供了丰富的功能,包括元数据管理、阅读进度同步、多用户支持等。
最新发布的1.20.0版本带来了多项重要更新,主要集中在客户端设置API的引入和用户界面的增强。这些改进不仅提升了用户体验,也为开发者提供了更多可能性。
客户端设置API的引入
1.20.0版本最核心的改进之一是新增了客户端设置API。这个API允许客户端应用程序存储各种设置,既可以全局应用,也可以针对特定用户。这一功能的实现为Komga带来了更灵活的配置方式:
-
全局设置:管理员可以配置影响所有用户的全局选项
- 当启用OAuth2认证时,可以隐藏传统的登录/密码字段
- 如果只配置了一个OAuth2提供商,可以启用自动登录功能(注意浏览器可能会阻止自动弹出的登录窗口)
- 支持按日语字符对系列进行分组
-
用户级设置:每个用户可以根据个人偏好自定义界面
- 为未读的系列/书籍启用封面模糊效果
- 设置封面图片是否拉伸填充显示区域
用户界面增强
除了核心API的改进,1.20.0版本还对Web用户界面进行了多项优化:
-
库管理改进:
- 侧边栏中的库现在可以重新排序
- 用户可以自由选择要固定(pin)或取消固定(unpin)的库
- 库视图现在只显示已固定库的内容
-
推荐视图配置:
- 用户可以自定义推荐视图中显示的内容
- 每个推荐部分都可以单独启用或禁用
- 推荐部分的顺序也可以调整
-
书籍浏览体验:
- 新增了浏览所有书籍的视图
- 在系列内可以按最后修改日期或阅读日期对书籍排序
API改进与文档完善
1.20.0版本对后端API也进行了多项改进:
-
API密钥支持:REST API现在支持通过X-API-Key头进行认证,为自动化工具和第三方集成提供了更方便的认证方式。
-
文档优化:OpenAPI(Swagger)文档得到了全面清理和重新组织,现在所有操作都有适当的描述,文档结构更加清晰。
-
API功能增强:
- 书籍现在可以按系列标题排序
- 参考性API现在支持通过多个library_id进行过滤
技术细节与问题修复
在底层实现上,1.20.0版本也解决了一些技术问题:
- 修复了Windows系统上嵌入式字体无法加载的问题
- 为历史API添加了缺失的权限检查
- 修正了字体CSS生成中的格式关键字错误
- 为字体使用了正确的媒体类型
多语言支持
Komga继续完善其国际化支持,1.20.0版本更新了包括简体中文、芬兰语、西班牙语、意大利语、匈牙利语、克罗地亚语、葡萄牙语、捷克语、日语和德语在内的多种语言翻译。
总结
Komga 1.20.0版本通过引入客户端设置API,为系统带来了更高的可配置性和个性化能力。同时,用户界面的多项改进使浏览和管理漫画收藏变得更加直观和高效。这些更新不仅提升了现有用户的使用体验,也为Komga未来的功能扩展奠定了坚实基础。
对于自托管数字漫画收藏的用户来说,1.20.0版本无疑是一个值得升级的重要更新,特别是那些希望获得更个性化阅读体验和更强大管理功能的用户。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00