Payload CMS v3.31.0 发布:查询预设与性能优化
Payload CMS 是一个现代化的无头内容管理系统,采用 Node.js 和 React 构建,为开发者提供了灵活且强大的内容管理解决方案。最新发布的 v3.31.0 版本带来了实用的查询预设功能,以及多项性能优化和错误修复。
查询预设功能
v3.31.0 版本最引人注目的新特性是查询预设(Query Presets)功能。这项功能允许用户保存和共享集合的筛选条件、列配置和排序方式,极大地提升了团队协作效率。
查询预设的设计理念是让终端用户能够动态定义和保存常用的查询模式,而不是将这些模式硬编码到配置文件中。这种设计使得:
- 团队成员可以轻松复用复杂的筛选条件
- 可以保存特定的列显示配置
- 常用排序方式可以一键应用
- 预设可以在团队内部分享和使用
这项功能特别适合需要频繁使用特定筛选条件的团队场景,比如内容审核、特定状态的内容管理等。
性能优化
本次版本在性能方面做了多项改进:
-
减少作业队列数据库调用:通过优化作业队列的实现,减少了不必要的数据库查询,提升了系统在高负载下的响应速度。
-
Drizzle ORM 优化:在 updateOne 操作中移除了多余的数据库 select 调用,提高了更新操作的效率。
这些优化对于大型项目或高并发场景尤为重要,能够显著降低数据库负载并提高整体性能。
错误修复与改进
v3.31.0 版本修复了多个关键问题:
-
认证字段问题:修复了认证字段干扰字段路径映射的问题,确保了字段路径的正确性。
-
JSON 字段安全性:为非安全上下文添加了 UUID 回退机制,增强了 JSON 字段的安全性。
-
Next.js 集成改进:
- 添加了安全的重定向工具,并应用到登录重定向中
- 修复了深度嵌套的标签、行和可折叠内容在版本视图中的显示问题
-
富文本编辑器改进:
- 确保嵌套的 Lexical 字段有正确的初始状态
- 使字段能够在 EntityVisibilityProvider 之外正确渲染
国际化与本地化
本次更新新增了亚美尼亚语翻译支持,继续扩展 Payload CMS 的国际化能力。同时修复了 SEO 插件中的翻译问题,提升了多语言支持的质量。
开发者体验改进
在开发者体验方面,v3.31.0 也做了多项改进:
-
多个模块启用了 TypeScript 严格模式,包括:
- 管理栏模块
- SQLite 数据库适配器
- Vercel Postgres 数据库适配器
-
测试套件改进,重新组织了关系测试块的结构,使测试更加清晰可靠。
-
添加了许可证检查脚本,确保项目的合规性。
总结
Payload CMS v3.31.0 通过引入查询预设功能,为团队协作提供了更强大的工具。同时,性能优化和错误修复使系统更加稳定高效。对于开发者而言,TypeScript 严格模式的扩展和测试改进进一步提升了开发体验和代码质量。这些改进使得 Payload CMS 在内容管理领域的竞争力进一步增强。
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