OctoPrint 1.11.0rc2版本发布:3D打印管理系统的关键更新
OctoPrint是一款广受欢迎的开源3D打印管理软件,它允许用户通过网页界面远程监控和控制3D打印机。作为3D打印爱好者和专业人士的重要工具,OctoPrint提供了文件管理、打印进度监控、温度控制等核心功能,极大地简化了3D打印工作流程。
发布候选版本的重要性
1.11.0rc2是OctoPrint 1.11.0版本的第二个候选发布版(RC)。候选发布版是正式版本发布前的测试版本,主要用于收集用户反馈和发现潜在问题。虽然这些版本已经经过了开发团队的内部测试,但仍可能存在未发现的严重缺陷,因此不建议在生产环境中直接使用。
核心功能改进
本次更新在Tornado Web服务器和CSRF(跨站请求伪造)保护机制方面进行了日志记录的优化。这些改进使得系统管理员能够更清晰地了解Web请求处理过程中的异常情况,便于排查和解决潜在的安全问题。
关键问题修复
API权限与CSRF验证修复
1.11.0rc2版本解决了两个重要的回归问题(即之前版本正常但在新版本中出现的问题):
- 修复了API密钥请求的权限获取问题,解决了所有带有API密钥的请求返回403状态码的问题
- 修复了非GET/HEAD/OPTIONS方法的API密钥请求的CSRF验证失败问题
这些修复对于第三方客户端(如手机APP或桌面应用)的正常工作至关重要,确保了它们能够继续与OctoPrint服务器进行有效通信。
模板宏兼容性修复
另一个重要的修复是针对不支持自动转义的第三方插件的模板宏问题。这个修复确保了这些插件能够继续正常工作,维持了OctoPrint良好的插件生态系统兼容性。
新增插件功能完善
自定义控制管理器改进
1.11.0rc2对新增的自定义控制管理器插件进行了多项改进:
- 修复了horizontal_grid(水平网格)自定义控件类型的渲染问题
- 添加了之前缺失的宽度/偏移量配置选项
这些改进使得用户能够更灵活地定制OctoPrint的控制界面,满足不同用户的个性化需求。
测试重点建议
对于愿意参与测试的用户,开发团队特别建议关注以下方面的功能验证:
- Web界面与各种第三方客户端的交互行为
- 新增的Custom Control Manager插件的功能完整性
- 新增的Health Check插件的运行情况
- 新增的Upload Manager插件的文件上传管理能力
- 基于新MFA插件接口的MFA-TOTP插件的双因素认证功能
- 特别是配置了渲染延迟的延时摄影功能
总结
OctoPrint 1.11.0rc2版本在保持系统稳定性的同时,修复了前一个候选版本中的关键问题,特别是影响了API通信和第三方插件兼容性的重要缺陷。这些改进为即将到来的1.11.0正式版本奠定了坚实的基础,同时也展示了OctoPrint开发团队对产品质量的严格把控和对用户反馈的积极响应。
对于3D打印爱好者来说,参与这些候选版本的测试不仅能够提前体验新功能,还能为开源社区做出贡献,帮助开发团队打造更稳定、更强大的3D打印管理解决方案。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust075- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
Hy3-previewHy3 preview 是由腾讯混元团队研发的2950亿参数混合专家(Mixture-of-Experts, MoE)模型,包含210亿激活参数和38亿MTP层参数。Hy3 preview是在我们重构的基础设施上训练的首款模型,也是目前发布的性能最强的模型。该模型在复杂推理、指令遵循、上下文学习、代码生成及智能体任务等方面均实现了显著提升。Python00