Puck 项目中数组字段权限控制的实现与修复
2025-06-02 02:19:14作者:魏献源Searcher
背景介绍
Puck 是一个开源的内容编辑框架,在最新版本 0.17.1 中,开发者发现了一个关于数组字段权限控制的重要问题。当用户尝试限制数组字段的编辑权限时,虽然数组本身被设置为只读,但数组内部的对象字段仍然可以被编辑,这导致了权限控制的不完整性。
问题本质
在 Puck 的权限控制系统中,开发者可以通过 resolveData 方法传递 readOnly 配置来限制特定字段的编辑权限。然而,当这个字段是一个包含对象的数组时,系统无法正确地将权限控制传递到数组内部的各个对象字段。
技术细节
原有实现的问题
在原有实现中,权限控制主要通过 JSON 格式的配置来实现。例如:
{
"SocialMediaButtons": true,
"SocialMediaButtons.0.mediaIcons.title": true,
"SocialMediaButtons.1.mediaIcons.title": true
}
这种方式虽然可以逐个指定数组元素的权限,但存在两个主要问题:
- 需要为每个数组索引单独指定权限,不够灵活
- 当数组长度变化时,权限配置需要相应更新
修复方案
开发团队识别到这个问题后,实现了更优雅的通配符语法来解决数组权限控制问题。新的语法允许开发者使用 [*] 通配符来匹配数组中的所有元素:
{
"SocialMediaButtons[*].mediaIcons": true
}
这种语法具有以下优势:
- 简洁明了,一行配置即可控制整个数组的权限
- 自动适应数组长度的变化
- 可以精确控制到数组内部对象的特定字段
实现原理
在底层实现上,Puck 的权限控制系统做了以下改进:
- 解析权限配置时,识别
[*]通配符 - 遍历匹配数组的所有元素
- 将权限设置应用到每个匹配的元素上
- 确保权限控制能够正确传递到嵌套的对象结构
最佳实践
基于这个修复,开发者在使用 Puck 进行权限控制时应该:
- 对于简单数组字段,直接使用字段名设置权限
- 对于对象数组,使用
数组字段名[*]语法控制整个数组 - 如需控制数组内部特定对象字段,使用
数组字段名[*].对象字段名语法 - 结合业务逻辑动态设置权限时,确保通配符语法正确解析
版本兼容性
这个修复同时出现在两个版本中:
- 0.17.2 稳定版 - 适合生产环境使用
- 0.18.0 canary 版 - 包含更多实验性功能
开发者可以根据项目需求选择合适的版本进行升级。
总结
Puck 项目对数组字段权限控制的改进,解决了复杂数据结构中权限传递的问题,使得开发者能够更精确地控制编辑界面的各个部分。这个改进不仅提高了框架的健壮性,也为开发者提供了更灵活的权限控制方案。
登录后查看全文
热门项目推荐
相关项目推荐
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
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
173
193
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++
647
263
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
268
93
暂无简介
Dart
622
140
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
377
3.32 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.1 K
621
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
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