ownCloud Infinite Scale 7.1.0-rc.1版本技术解析
ownCloud Infinite Scale(简称oCIS)是一款现代化的云存储平台,采用微服务架构设计,提供了文件存储、共享、协作等核心功能。作为ownCloud的下一代产品,oCIS在性能、扩展性和安全性方面都有显著提升。本次发布的7.1.0-rc.1版本是7.1.0正式版前的候选版本,包含了一系列功能增强和问题修复。
通知系统全面升级
7.1.0-rc.1版本对通知系统进行了重大改进,引入了用户可配置的通知偏好设置。这一功能分为四个部分逐步实现:
-
用户设置扩展:首先在用户设置中增加了通知偏好配置选项,用户可以根据个人需求定制接收通知的类型和方式。
-
应用内通知过滤:基于用户设置,系统现在能够智能过滤应用内通知,只显示用户真正关心的内容。
-
邮件通知过滤:同样基于用户偏好,邮件通知系统也实现了过滤功能,避免不必要的信息干扰。
-
邮件通知分组:新增了按日或按周分组发送邮件通知的功能,有效减少邮件数量,提升用户体验。
通知系统还增加了多语言支持,会根据用户的语系偏好自动翻译通知设置界面。
共享功能改进
在共享功能方面,本次更新解决了几个关键问题:
- 共享邀请响应中现在包含了创建时间戳(createdDateTime字段),使共享记录更加完整。
- 修复了一个重要问题:现在即使用户或共享创建者曾经删除过邀请,接收方仍然可以接受该共享邀请,提高了共享流程的容错性。
安全更新
作为常规维护的一部分,项目更新了几个关键的Go语言依赖包,包括golang.org/x/crypto和golang.org/x/net,以保持系统的安全性和稳定性。
前端更新
配套的Web界面同步更新至v11.1.0版本,带来了多项改进:
- 优化了文件预览应用的可见性控制
- 改进了侧边栏的响应式设计,确保在不同屏幕尺寸下都能正常使用
- 增强了搜索功能,现在可以显示间接共享结果
- 改善了输入框和复选框的UI细节
- 修复了嵌入模式下的侧边栏状态管理问题
技术细节
从技术实现角度看,这次更新主要涉及:
- 用户设置服务的扩展,新增了通知偏好存储功能
- 通知服务的逻辑重构,支持基于用户设置的过滤和分组
- 共享服务的API改进,增加了必要字段和修复了状态管理问题
- 前端与后端的协同更新,确保新功能在各端的表现一致
总结
ownCloud Infinite Scale 7.1.0-rc.1版本在通知系统方面做出了重大改进,为用户提供了更灵活、更个性化的通知体验。同时,共享功能的稳定性和可用性也得到了提升。这些改进使得oCIS作为一个企业级文件协作平台更加完善,能够更好地满足不同用户群体的需求。
对于正在评估或已经部署oCIS的企业用户来说,这个版本值得关注,特别是那些对通知系统有定制化需求的场景。随着正式版的临近,建议用户开始测试这些新功能,为后续的升级做好准备。
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