Hocuspocus v2.15.1-rc.0版本发布:协同编辑引擎的重要更新
Hocuspocus是一个基于Y.js协议的实时协同编辑引擎,它为构建多人协作的富文本编辑器提供了强大的后端支持。该项目通过WebSocket协议实现文档的实时同步,并提供了丰富的扩展功能,如权限控制、历史记录和评论系统等。
核心功能改进
本次发布的v2.15.1-rc.0版本包含了多项重要改进和错误修复,主要涉及以下几个方面:
-
WebSocket连接处理优化:修复了在应用意识更新(awareness update)时传递错误参数的问题,现在正确处理WebSocket连接对象而非Connection对象,这有助于提高多人协作时的状态同步准确性。
-
文档生命周期管理:解决了文档卸载后立即触发afterUnloadDocument钩子的问题,现在能够正确等待onLoadDocument完成后再触发卸载事件,使文档状态管理更加可靠。
-
评论系统修复:修正了删除评论时可能遇到的yArray不存在错误,增强了评论功能的稳定性。
-
连接计数优化:改进了服务器全局活跃连接计数器,现在能够正确考虑多路复用情况,提供更准确的连接统计。
依赖管理调整
-
Transformer模块调整:将@tiptap/core从直接依赖改为peerDependencies,这为使用者提供了更大的灵活性,可以根据项目需求选择特定版本的Tiptap核心库。
-
构建工具更新:
- Rollup构建工具从2.79.0升级到2.79.2
- GitHub Actions缓存工具从4.1.2升级到4.2.0
文档改进
- 修复了本地编辑文档示例中缺失的await关键字,确保异步操作的正确性。
- 修正了扩展列表中的链接错误,提高了文档的可用性。
技术细节解析
对于协同编辑系统而言,连接管理和状态同步是最核心的部分。本次更新中针对WebSocket连接处理的改进尤为重要:
-
意识更新机制:Y.js协议中的意识(awareness)系统用于跟踪所有协作者的在线状态和选择范围。正确的连接对象传递确保了状态更新的可靠性。
-
文档生命周期:通过修复文档加载和卸载的时序问题,避免了潜在的状态不一致风险,这对长时间运行的协作会话尤为重要。
-
连接计数优化:在多路复用场景下准确统计连接数,为系统监控和资源分配提供了更准确的数据基础。
升级建议
对于正在使用Hocuspocus的开发团队,建议在测试环境中验证此候选版本,重点关注:
- 多人协作时的状态同步准确性
- 文档加载和卸载的生命周期事件触发顺序
- 评论系统的稳定性
这些改进将显著提升协作编辑体验的可靠性和稳定性,特别是在高并发或长时间运行的编辑会话中。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C033
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
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C00
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-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
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