Keila邮件营销平台v0.17.0发布:预览功能全面升级
Keila是一款开源的邮件营销平台,专注于为开发者和小型企业提供简单高效的邮件营销解决方案。该项目采用Elixir语言开发,具备高性能和可扩展性等特点。最新发布的0.17.0版本带来了多项重要更新,特别是在邮件预览功能方面有了显著提升。
HTML解析引擎升级:从Mochiweb到Lexbor
本次版本最核心的技术变更之一是HTML解析引擎的替换。Keila团队决定弃用原有的Mochiweb解析器,转而采用性能更优的Lexbor引擎。这一变更带来了两个主要优势:
-
性能提升:Lexbor作为现代HTML解析器,在处理速度和内存使用效率上都优于传统的Mochiweb。对于需要频繁解析HTML内容的邮件营销平台来说,这一改进将显著提升系统整体性能。
-
兼容性增强:Lexbor的解析行为更接近真实浏览器,这意味着开发者可以更准确地预览邮件在不同客户端中的显示效果,减少跨平台兼容性问题。
需要注意的是,这一变更可能会影响现有的MJML模板。团队建议用户在升级后仔细检查所有邮件模板,确保显示效果符合预期。
邮件预览功能全面增强
0.17.0版本在邮件预览功能上做了大量改进,使营销人员能够更准确地把握最终发送效果:
-
预览邮件发送:新增了直接发送预览邮件的功能,用户可以将测试邮件发送到指定邮箱,在实际环境中查看效果。
-
统一预览界面:重新设计了所有类型营销活动的预览对话框,提供了更一致的用户体验。
-
响应式预览:新增了移动设备/桌面视图切换功能,让用户可以方便地检查邮件在不同设备上的显示效果。
API文档与功能增强
本次更新还对开发者体验做了多项改进:
-
API文档重构:完全重写了API文档页面,提供了更清晰的结构和更详细的说明,帮助开发者更高效地集成Keila平台。
-
联系人管理增强:
- 新增了
external_id属性,方便用户集成外部系统 - 增加了
id_type查询参数,支持通过电子邮件地址或外部ID获取/更新联系人
- 新增了
-
表单API扩展:新增了管理表单和提交表单的API端点,支持创建带有双重确认机制的新联系人,提高了数据收集的合规性和可靠性。
编辑器与用户体验优化
在邮件内容编辑方面,0.17.0版本也带来了多项改进:
-
MJML编辑器扩展:全宽模式现在会占据整个UI宽度,提供更大的编辑空间。
-
块编辑器修复:
- 解决了复制粘贴导致内容重复的问题
- 改进了嵌套块删除的可靠性
- 修复了各种内容操作中的稳定性问题
-
SEO优化:更新了robots.txt文件,将表单、跟踪和退订链接纳入其中,优化了搜索引擎的爬取行为。
升级建议
对于现有用户,升级到0.17.0版本时需要注意以下几点:
-
由于HTML解析引擎变更,建议在升级后全面检查所有邮件模板的显示效果。
-
新API功能如
external_id和表单管理API为系统集成提供了更多可能性,开发者可以考虑如何利用这些新特性优化现有工作流。 -
预览功能的增强使得邮件测试更加便捷,建议营销团队充分利用这些新特性来提高邮件质量。
总体而言,Keila 0.17.0版本在性能、用户体验和开发者友好性方面都做出了显著改进,特别是预览功能的全面升级将帮助用户创建出更专业、兼容性更好的营销邮件。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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