Pocket-ID 项目新增自定义声明对象类型支持
2025-07-04 07:43:54作者:韦蓉瑛
Pocket-ID 作为一款身份认证服务,近期在 v0.29.0 版本中实现了一项重要功能升级:支持自定义声明(Custom Claims)的非字符串对象类型。这项改进解决了用户在使用 Pocket-ID 与第三方应用集成时遇到的数据类型兼容性问题。
背景与需求分析
在身份认证领域,JWT(JSON Web Token)中的声明(Claims)是承载用户信息的重要部分。传统上,许多认证服务仅支持字符串类型的自定义声明,这在实际应用中存在明显局限性。
以 Audiobookshelf 应用为例,该应用期望从认证服务获取结构化的权限数据,包括:
- 下载权限(canDownload)
- 上传权限(canUpload)
- 删除权限(canDelete)
- 访问限制内容权限(canAccessExplicitContent)
- 标签管理权限等
这些权限信息需要以 JSON 对象形式传递,包含布尔值和数组等复杂数据类型。在旧版 Pocket-ID 中,即使用户在管理界面输入了合法的 JSON 结构,系统也会自动将其转换为字符串类型,导致客户端应用解析失败。
技术实现细节
新版 Pocket-ID 通过以下方式实现了这一功能:
-
声明类型扩展:除了传统的字符串类型,现在支持三种声明数据类型:
- String(字符串)
- List(列表)
- JSON Object(JSON对象)
-
数据序列化处理:系统会保持原始数据结构,不再强制转换为字符串。例如:
{ "abspermissions": { "canDownload": true, "allowedTags": ["Test"] } } -
向后兼容:确保不影响现有仅支持字符串声明的客户端应用
实际应用场景
这项改进特别适合以下场景:
- 复杂权限系统:如 Audiobookshelf 需要传递结构化权限信息
- 用户属性扩展:当需要传递嵌套或复杂用户属性时
- 多应用集成:不同应用间需要共享结构化数据时
开发者注意事项
- 客户端应用在解析声明时,应做好类型检查
- 对于需要严格类型约束的场景,建议在文档中明确声明期望的数据类型
- 在迁移现有系统时,注意检查依赖字符串类型声明的代码
这项功能升级体现了 Pocket-ID 对开发者友好性和灵活性的持续追求,为构建更复杂的认证和授权场景提供了更好的支持。
登录后查看全文
热门项目推荐
相关项目推荐
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
项目优选
收起
deepin linux kernel
C
24
9
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
暂无简介
Dart
671
155
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
660
309
Ascend Extension for PyTorch
Python
220
236
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
392
3.84 K
React Native鸿蒙化仓库
JavaScript
259
322