Coolify v4.0.0-beta.381版本深度解析:全栈部署平台的重大升级
Coolify是一个开源的、自托管的云部署平台,它允许开发者在自己的服务器上轻松部署和管理各种应用程序、数据库和服务。作为一个全栈解决方案,Coolify提供了从代码到生产的完整部署流程,支持多种编程语言、框架和数据库。
本次发布的v4.0.0-beta.381版本是Coolify的一个重要里程碑,带来了多项功能增强、安全改进和性能优化。下面我们将从技术角度深入分析这次更新的核心内容。
数据库备份功能全面升级
新版本对数据库备份功能进行了重大改进,特别是PostgreSQL、MySQL和MariaDB的支持:
- 
完整数据库备份导入:现在可以导入完整的数据库备份文件,大大简化了数据库迁移和恢复流程。
 - 
备份保留策略:引入了三种灵活的备份保留机制:
- 按数量保留:设置保留的备份数量上限
 - 按时间保留:设置备份保留的天数
 - 按存储空间保留:设置备份占用的最大存储空间(GB)
 
 - 
备份清理逻辑优化:只有当备份成功完成后才会触发清理旧备份的操作,避免了之前可能出现的备份不完整就被清理的问题。
 - 
S3和本地备份管理:现在可以同时管理存储在S3和本地的备份,删除操作会确保两边都处理完成后再从数据库中移除记录。
 
安全性与用户管理增强
安全始终是Coolify关注的重点,本次更新带来了多项安全改进:
- 
根用户环境变量设置:现在可以通过环境变量预设Coolify的根用户(管理员)信息,包括用户名、邮箱和密码。这一功能特别适合自动化部署场景。
 - 
自动禁用注册:当通过环境变量设置了根用户后,系统会自动禁用注册功能,防止未授权访问。
 - 
密码安全:加强了密码安全性检查,不再允许使用已知泄露的密码。
 - 
注册页面安全:修复了注册页面长时间暴露可能导致的安全风险,现在安装后需要尽快完成注册。
 
容器管理与Docker优化
Coolify的核心功能之一是容器管理,新版本在这方面做了多项改进:
- 
容器标签系统:为所有容器添加了标准化的标签,包括资源名称、服务名称、项目名称和环境名称,便于管理和识别。
 - 
Docker清理功能:
- 清理设置现在有独立的配置界面
 - 增加了详细的清理执行日志
 - 优化了清理频率设置
 
 - 
资源克隆改进:修复了克隆资源时的多个问题,包括:
- 容器命名和卷命名
 - 环境变量和标签的保留
 - 文件挂载和定时任务的克隆
 
 
性能与用户体验提升
新版本在多方面提升了系统性能和用户体验:
- 
URL结构优化:改用UUID而非名称作为环境路由标识,支持更灵活的环境命名。
 - 
前端性能:
- 使用本地monaco-editor替代CDN版本
 - 采用wire:navigate实现更流畅的页面导航
 - 移除了dayjs依赖,优化日期处理
 
 - 
执行日志界面:重新设计了部署、备份和任务执行的日志界面,提供更清晰的时间戳、持续时间和状态显示。
 - 
错误处理:改进了500错误页面的HTML渲染,提供更友好的错误信息。
 
服务模板更新
Coolify提供了大量预配置的服务模板,本次更新新增和改进了多个模板:
- 
新增服务:
- Cockpit CMS内容管理系统
 - NodeBB论坛系统
 - Calibre-Web电子书管理
 - Actual-Budget财务管理
 - Rallly投票工具
 - Gotenberg PDF处理API
 - Joomla内容管理系统(带MariaDB)
 
 - 
模板改进:
- 更新OpenBlocks为Lowcoder
 - 优化Penpot和NocoDB的健康检查
 - 修复Label Studio的CSRF问题
 - 完善Supabase模板配置
 
 
开发者体验优化
对于使用Coolify的开发者,新版本提供了更好的开发体验:
- 
环境变量管理:重构了环境变量关系,使配置更清晰。
 - 
初始化脚本处理:修复了PostgreSQL初始化脚本的多个问题,包括:
- 多脚本保存问题
 - 脚本重命名问题
 - 脚本删除同步问题
 
 - 
GitHub集成:优化了GitHub JWT令牌的时间处理,避免因系统时间不同步导致的认证问题。
 - 
API改进:修复了项目和应用的API端点问题,提供更稳定的接口。
 
总结
Coolify v4.0.0-beta.381版本是一次全面的升级,在数据库管理、安全性、容器编排、用户体验和开发者工具等方面都有显著改进。特别是备份功能的增强和安全管理的完善,使得Coolify更适合企业级应用场景。
新版本对系统底层的多项优化,如URL结构调整、依赖精简和性能提升,为未来的功能扩展奠定了更坚实的基础。丰富的服务模板更新也进一步扩大了Coolify的应用范围,使其成为更全面的应用部署平台。
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00- DDeepSeek-OCRDeepSeek-OCR是一款以大语言模型为核心的开源工具,从LLM视角出发,探索视觉文本压缩的极限。Python00
 
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
HunyuanWorld-Mirror混元3D世界重建模型,支持多模态先验注入和多任务统一输出Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Jinja00
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
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-Chemistry-X1-13B科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00