Perses项目v0.50.2版本发布:增强YAML支持与多项优化
Perses是一个现代化的开源监控仪表盘和可视化平台,专注于为开发者和运维团队提供灵活、易用的监控数据展示解决方案。该项目采用前后端分离架构,支持多种数据源接入,并提供丰富的可视化组件库。
核心功能增强
YAML格式支持扩展
本次发布的v0.50.2版本中,Perses新增了对YAML格式的全面支持,包括YAML自定义资源的下载功能。这一改进使得用户能够更灵活地管理和导出监控配置,特别是在Kubernetes等云原生环境中工作时,YAML格式的天然兼容性将大幅提升工作效率。
开发团队还优化了资源下载机制,现在用户可以根据需要选择不同的格式导出配置,为自动化部署和配置管理提供了更多可能性。
安全性与稳定性提升
在安全方面,本次更新将common依赖库升级至v0.27.0版本,新增了对TLS服务器的支持。这一改进增强了Perses在传输层的数据安全性,特别是在生产环境中部署时,管理员现在可以更轻松地配置HTTPS加密通信。
RBAC(基于角色的访问控制)缓存机制也得到了优化,系统现在会在用户添加或移除时自动刷新缓存,确保权限变更能够即时生效,避免了之前可能出现的权限同步延迟问题。
前端体验优化
前端构建流程现在支持通过make build-ui命令传递npm安装标志,为开发者提供了更灵活的构建选项。这一改进特别适合在企业内网等特殊环境下进行定制化构建的场景。
在用户界面方面,开发团队修复了表格组件中列重排序按钮的工具提示显示问题,使操作指引更加清晰。列表变量组件也进行了优化,现在选择值后不会意外清空输入框内容,提升了表单填写的连贯性。
数据源与仪表盘改进
数据源发现机制的接口实现得到了修正,解决了之前可能出现的兼容性问题。HTTPSettings编辑器现在能够正确处理先前值的清理工作,避免了配置残留导致的意外行为。
对于仪表盘复制功能,当临时(ephemeral)选项被禁用时,界面将自动隐藏相关选项,使功能可见性与实际可用性保持一致。此外,开发团队还修复了一个可能导致setState循环的组件ID问题,提升了应用的整体稳定性。
跨平台支持
Perses继续保持对多平台的良好支持,本次发布提供了包括Darwin(amd64/arm64)、Linux(amd64/arm64/armv6)和Windows(amd64/arm64/armv6)在内的多种架构预编译包,满足不同环境下的部署需求。
v0.50.2版本虽然是一个小版本更新,但包含了多项实用改进和问题修复,进一步提升了Perses的稳定性、安全性和用户体验。对于正在使用Perses的企业和开发者团队,建议评估升级以获得这些改进带来的好处。
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