Inertia.js Rails 3.4.0版本发布:增强共享数据与安全配置
Inertia.js是一个现代的前后端集成框架,它允许开发者使用类似单页应用(SPA)的体验来构建传统服务器渲染应用。其Rails适配器inertia-rails最近发布了3.4.0版本,带来了一系列实用改进。
主要更新内容
1. 新增Rails 7.2支持
开发团队已将Rails 7.2纳入持续集成(CI)测试矩阵,确保gem在新版本Rails上的兼容性。这对于计划升级到Rails 7.2的用户来说是个好消息,意味着他们可以放心使用最新版本的inertia-rails。
2. 错误处理优化
在之前的版本中,当使用inertia_errors时,如果错误对象没有正确实现序列化方法,可能会导致会话存储问题。3.4.0版本通过显式调用to_hash方法解决了这个问题,使得错误处理更加健壮。
3. 安全配置增强
针对Rails 7.0及以上版本,现在inertia-rails会尊重应用配置中的raise_on_open_redirects设置。这个安全特性默认开启,防止开放重定向漏洞。当检测到可能的开放重定向时,Rails会抛出异常,而不是静默允许。
4. 共享数据过滤器
这是一个重要的架构改进。现在开发者可以使用类似before_action的过滤器来设置共享数据,而不是在每个动作中重复调用inertia_share。例如:
class ApplicationController < ActionController::Base
inertia_share do
{
current_user: current_user,
flash: flash.to_h
}
end
end
这种方式使代码更加DRY(Don't Repeat Yourself),也使得共享数据的逻辑更加集中和易于维护。
其他改进
文档系统现在使用cleanUrls,使得URL更加简洁美观。同时,开发团队也对gem规范(gemspec)进行了清理,移除了一些不必要的依赖和配置,使项目结构更加清晰。
升级建议
对于正在使用inertia-rails的项目,升级到3.4.0版本是相对安全的。特别是那些已经或计划升级到Rails 7.2的项目,这个版本提供了更好的兼容性。新引入的共享数据过滤器特性可以显著改善代码组织,值得考虑采用。
总的来说,3.4.0版本在稳定性、安全性和开发体验方面都有所提升,是一个值得升级的版本。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00