Decidim v0.28.5 版本发布:关键修复与功能优化
项目简介
Decidim 是一个开源的数字参与平台,它为公民、组织和公共机构提供了一个协作决策的工具集。作为一个基于 Ruby on Rails 开发的框架,Decidim 支持多种参与功能,包括建议、投票、会议、预算分配等。该平台特别注重透明度和可访问性,是构建现代数字基础设施的理想选择。
版本概述
Decidim v0.28.5 是一个维护版本,主要针对之前版本中发现的问题进行了修复和优化。这个版本虽然没有引入新功能,但对现有功能的稳定性和用户体验进行了重要改进,特别是在用户数据清理、PDF生成、地图性能等方面。
核心改进
用户数据清理增强
在用户删除账户时,系统现在会彻底清除个人URL和简介等敏感字段。对于历史数据,新增了一个专门的rake任务来清理已删除用户的残留信息:
bin/rails decidim:upgrade:clean:clean_deleted_users
这一改进显著提升了平台对GDPR等隐私法规的合规性,确保用户数据被完全删除而不仅仅是标记为删除状态。
PDF生成工具变更
为了提高与最新Ubuntu版本的兼容性并减小Docker镜像体积,此版本移除了wkhtmltopdf-binary gem依赖。现在系统要求通过包管理器直接安装wkhtmltopdf二进制文件:
sudo apt install wkhtmltopdf
这一变化使得PDF生成更加稳定,特别是在容器化部署环境中。
地图性能优化
针对包含大量标记的地图视图,特别是建议地图,进行了性能优化。通过改进数据加载和渲染机制,显著减少了页面加载时间,提升了用户浏览体验。
重要修复
-
编辑器路由修复:解决了编辑器图片路由问题,确保内容编辑器中的图片能够正确显示。
-
会议功能改进:
- 修复了会议日历在列表视图中的显示问题
- 解决了自定义注册邮件中图片缺失的问题
- 优化了会议日期和位置的UX展示
-
建议系统增强:
- 修复了建议地图中大量标记导致的性能问题
- 解决了建议高亮页面的UX调整问题
- 改进了建议导入功能
-
表单系统修复:
- 修正了调查导出中列顺序混乱的问题
- 修复了必填问题标记的显示问题
-
通知系统优化:
- 阻止向被屏蔽用户发送新闻简报
- 防止为已删除用户生成通知
技术细节
前端改进
- 优化了移动设备上的个人资料工具提示显示
- 改进了导航子菜单的WCAG可访问性
- 为活动链接添加了aria-current属性
- 修复了翻译栏的CSS样式问题
后端优化
- 改进了时区处理,确保表单中的日期时间字段正确反映组织设置的时区
- 修复了缓存静态地图更新的问题
- 优化了URL转义处理
- 改进了差异渲染输出
升级指南
升级到v0.28.5版本相对简单,但仍需注意以下步骤:
- 更新Gemfile中的版本号
- 安装wkhtmltopdf二进制文件
- 运行标准升级命令
- 执行用户数据清理任务
建议在升级前进行完整的数据库和应用代码备份。
总结
Decidim v0.28.5版本虽然没有引入重大新功能,但对平台的稳定性、性能和用户体验进行了全面优化。特别是对用户隐私保护的增强、PDF生成流程的改进以及地图性能的提升,使得这个版本成为所有运行Decidim v0.28.x系列用户的重要升级选择。对于注重数据合规性和系统稳定性的组织来说,升级到这个版本尤为重要。
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-7BSpark-Prover-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
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-7BSpark-Formalizer-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00