Homarr项目v1.1.0版本发布:看板管理与用户体验全面升级
Homarr是一个现代化的自托管仪表盘工具,它允许用户将各种网络服务、应用和资源集中管理在一个简洁的界面中。作为一款开源项目,Homarr特别适合那些需要统一管理多个网络服务的用户,如IT管理员、开发者或技术爱好者。
看板管理功能增强
本次1.1.0版本在核心的看板管理功能上做了显著改进。新增的下拉列表功能让用户能够快速切换不同的看板,这大大提升了多项目管理的效率。对于经常需要在不同项目间切换的用户来说,这一改进尤为重要。
开发团队还修复了看板项目移动相关的多个问题。现在用户不仅能够在桌面端顺畅地拖拽项目,在触摸设备上也能获得同样流畅的体验。这些改进使得Homarr在各种设备上都能提供一致的用户体验。
集成功能优化
在集成方面,1.1.0版本引入了对独立日历的支持,用户现在可以添加不依赖外部集成的日历功能。新增的"今日标记"功能让用户能更直观地识别当前日期,提升了日历的实用性。
对于RSS订阅功能,开发团队修复了请求处理器缺失的问题,确保了订阅功能的稳定性。同时,在添加新集成时,搜索框现在会自动获得焦点,减少了用户操作步骤,这些小细节的改进累积起来大大提升了整体用户体验。
性能与稳定性提升
本次更新包含多项性能优化和稳定性改进。证书卡片的删除按钮现在可以正常访问,解决了之前因溢出导致的问题。健康监控功能现在能更好地处理无数据情况,CPU温度环和磁盘健康状态显示更加可靠。
数据库方面,团队升级了better-sqlite3到11.8.1版本,带来了更好的性能和稳定性。同时修复了Docker主机和端口环境变量使用不当的问题,确保了容器化部署的可靠性。
用户体验改进
1.1.0版本在用户体验方面做了大量细致的工作。批量链接功能现在能更好地处理长URL,避免了414错误。空环境变量现在会被正确忽略,减少了配置错误。用户首选项中的主页看板设置问题也得到了修复。
特别值得一提的是,团队改进了语言切换功能,现在其他用户的首选项中不会显示当前语言切换选项,避免了混淆。这些小而重要的改进使得Homarr更加易用和可靠。
技术栈更新
在技术栈方面,项目更新了多个关键依赖:
- 前端框架升级到Mantine 7.16.1
- Next.js更新至15.1.6
- TanStack Query升级到5.64.2
- 编辑器库Tiptap更新至2.11.3
这些更新不仅带来了性能提升,也修复了已知的安全问题,确保了项目的长期健康发展。
总的来说,Homarr 1.1.0版本在功能、性能和用户体验方面都做出了显著改进,特别是看板管理和集成功能的增强,使得这个自托管仪表盘工具更加完善和实用。对于现有用户来说,这是一个值得升级的版本;对于新用户,现在也是尝试Homarr的好时机。
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