Better Auth 1.2.5-beta.1版本发布:账户解绑与OAuth增强
Better Auth是一个现代化的身份验证解决方案,专注于为开发者提供灵活、安全的用户认证管理功能。该项目支持多种认证方式,包括OAuth、OpenID Connect等协议,并提供了丰富的API接口和客户端支持。
主要更新内容
账户管理功能增强
本次版本在账户管理方面进行了重要改进,新增了允许解绑所有账户的选项。这一功能为系统管理员提供了更大的灵活性,当需要重置用户账户关联状态时,可以快速解除所有第三方账户的绑定关系。该功能特别适合以下场景:
- 用户账户迁移
- 安全事件后的账户重置
- 系统集成变更时的账户清理
开发者可以通过配置参数启用此功能,确保在提供便利的同时不会意外触发大规模解绑操作。
OAuth相关修复与优化
-
回调URL处理增强
修复了回调URL中加号(+)字符被错误处理的问题。现在系统能够正确识别包含加号的相对回调URL,这对于某些特殊场景下的OAuth流程尤为重要。 -
基础认证参数支持
在generic-oauth模块中,oauth2Callback方法现在支持基础认证(Basic Auth)参数。这一改进使得Better Auth能够更好地与要求HTTP基本认证的OAuth服务提供商集成。 -
OpenAPI类型修复
解决了OpenAPI类型定义和引用中的多个问题,提升了API文档的准确性和一致性。这些修复包括:- 类型定义不完整的问题
- 引用关系错误的问题
- 文档生成时的类型校验问题
Expo客户端兼容性改进
针对使用Expo框架的移动应用开发者,本次更新修复了fetch类型不匹配导致的客户端插件类型错误。这一改进使得Better Auth在Expo环境下的集成更加顺畅,减少了类型检查时的报错情况。
技术细节解析
账户解绑实现机制
新的账户解绑功能采用了权限分级的设计理念:
- 默认情况下保持原有行为,不允许批量解绑
- 通过显式配置开启批量解绑能力
- 执行解绑操作时进行必要的安全验证
这种设计既保证了灵活性,又不会降低系统的安全性。
OAuth基础认证集成
对于需要基础认证的OAuth流程,Better Auth现在支持以下配置方式:
- 直接在配置中提供client_id和client_secret
- 支持通过Authorization头传递认证信息
- 自动处理认证令牌的编码和传输
这一改进显著提升了与严格遵循OAuth2规范的服务提供商的兼容性。
升级建议
对于正在使用Better Auth的开发者,建议在测试环境中先行验证1.2.5-beta.1版本,特别注意:
- 如果使用了自定义的回调URL包含特殊字符
- 如果集成了需要基础认证的OAuth服务
- 如果在Expo环境中遇到类型错误
本次更新虽然主要是修复和改进,但仍建议进行全面测试后再部署到生产环境。对于需要账户批量解绑功能的系统,可以开始评估和设计相应的管理流程。
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