Headplane v0.5.10版本发布:持久化存储与精细化权限管理升级
Headplane是一个基于Web的Tailscale管理界面,它为用户提供了可视化操作Tailscale网络的能力。通过Headplane,管理员可以更方便地管理Tailscale节点、配置ACL规则以及监控网络状态。本次发布的v0.5.10版本带来了两项重要改进:持久化存储支持和精细化权限管理系统。
持久化存储实现
在v0.5.10版本中,Headplane引入了数据持久化存储功能。默认情况下,Headplane会将数据写入/var/lib/headplane目录。这一改进解决了之前版本中数据无法持久保存的问题,对于生产环境部署尤为重要。
对于Docker用户,需要特别注意将/var/lib/headplane目录挂载到宿主机,这样才能确保容器重启后数据不会丢失。非Docker部署方式下,则需要确保该目录存在并且Headplane运行用户具有写入权限。
精细化权限管理系统
本次更新最显著的变化是引入了基于OIDC的精细化权限管理系统。这一系统设计灵感来源于Tailscale自身的权限模型,但针对Headplane的管理场景进行了优化。
权限层级设计
新版本中定义了四个权限级别:
- Owner(所有者): 系统最高权限,首次通过OIDC登录的用户自动获得此角色且不可转让
- IT Admin(IT管理员): 可以管理除Owner外的所有用户角色
- Admin(管理员): 具有较高管理权限
- Member(成员): 基础权限,仅能访问有限的UI功能
用户数据存储
用户权限数据存储在/var/lib/headplane/users.json文件中,路径可通过oidc.user_storage_file配置项修改。值得注意的是,用户只有在同时登录Headscale和Headplane后才会出现在UI中,这是因为Headplane无法直接在Headscale中创建OIDC用户。
安全注意事项
特别需要强调的是,如果之前使用Google公共OIDC的用户应立即升级。旧版本中存在安全风险,任何拥有gmail.com邮箱的用户都可以通过Headplane访问您的Tailnet网络。
改进的用户引导流程
v0.5.10版本引入了全新的用户引导流程。当用户首次通过OIDC登录时,系统会展示一个引导页面。这个页面会查找Headscale中与同一OIDC账户关联的设备,帮助用户快速熟悉系统。如果用户希望跳过引导流程,可以通过页面底部的按钮直接进入主界面。
其他重要修复与改进
- ACL页面优化: 修复了ACL页面频繁向Headscale数据库发送空白更新的问题
- OIDC登出改进: 当
disable_api_key_login设置为true时,OIDC登出后不会自动重新登录 - 命令复制功能: 修复了复制命令时包含随机空格的bug
- Headscale配置兼容性: 放宽了Headscale配置模式的要求
- UI交互优化: 修复了对话框打开后每3秒自动聚焦第一个输入框的问题
- 版本信息显示: 当代理不可用时,机器页面中的"版本"标签将自动隐藏
总结
Headplane v0.5.10版本通过引入持久化存储和精细化权限管理,显著提升了系统的可靠性和安全性。新的用户引导流程也改善了初次使用体验。这些改进使得Headplane更适合企业级部署和管理Tailscale网络。对于现有用户,特别是使用Google公共OIDC的用户,建议尽快升级以获取最新的安全改进。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00