Nuxt Auth Utils v0.5.11版本发布:增强认证功能与新增Gitea支持
Nuxt Auth Utils是一个为Nuxt.js应用提供认证功能的实用工具库,它简化了在Nuxt应用中集成各种认证提供商的过程。最新发布的v0.5.11版本带来了一些重要的功能增强和问题修复,进一步提升了开发者的使用体验。
主要功能增强
GitHub认证用户信息完善
在此次更新中,GitHub认证提供商现在会自动设置用户对象中的email_verified字段。这个改进对于需要验证用户邮箱的应用场景特别有用,开发者现在可以直接从用户对象中获取邮箱验证状态,而无需额外调用API或进行其他验证操作。
弹出窗口功能增强
openInPopup组合式函数新增了对窗口尺寸的自定义支持。开发者现在可以通过传递width和height参数来精确控制认证弹出窗口的大小,这为创建更符合应用设计需求的认证流程提供了更大的灵活性。例如:
openInPopup('/login', { width: 500, height: 600 })
新增Gitea OAuth提供商支持
v0.5.11版本新增了对Gitea的OAuth提供商支持。Gitea是一个流行的开源Git服务,这个新增的提供商使得使用Gitea作为认证源的应用能够轻松集成认证功能。开发者现在可以在配置中简单地添加Gitea提供商,就能让用户使用他们的Gitea账号登录应用。
问题修复
Microsoft提供商范围重复问题
修复了Microsoft认证提供商中存在的scope重复问题。之前版本中,某些scope可能会被错误地重复添加,导致认证请求出现问题。这个修复确保了scope参数的准确性和唯一性,提高了Microsoft认证的可靠性。
技术实现细节
在GitHub认证流程中,email_verified字段的自动设置是通过解析GitHub API返回的用户信息实现的。GitHub在用户信息中提供了邮箱验证状态,Nuxt Auth Utils现在会正确地提取这个信息并填充到用户对象中。
对于新增的Gitea提供商,实现遵循了标准的OAuth 2.0流程,包括授权码获取、令牌交换和用户信息获取等步骤。开发者只需提供Gitea实例的基URL、客户端ID和密钥,就能快速集成Gitea认证。
升级建议
对于正在使用Microsoft认证提供商的项目,建议尽快升级以解决scope重复问题。对于需要邮箱验证功能的GitHub认证项目,升级后将能获得更完整的用户信息。考虑使用Gitea作为认证源的项目可以直接利用新版本提供的集成支持。
这个版本的改进和修复进一步巩固了Nuxt Auth Utils作为Nuxt.js应用认证解决方案的地位,为开发者提供了更强大、更可靠的工具来构建安全的认证系统。
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