Kolibri教育平台v0.18.1版本发布:优化测验功能与用户体验
Kolibri是一个开源的离线教育平台,专为资源受限环境设计,旨在为全球学习者提供高质量的数字化教育资源。该平台支持多种设备部署,包括Windows、Mac、Linux和Android系统,特别适合学校、社区中心和缺乏稳定网络连接的地区使用。
核心功能改进
测验功能重大优化
本次版本最显著的改进是针对测验功能的优化。系统现在默认采用固定题目顺序的章节设计,这一改变源于用户社区的反馈。在之前的版本中,测验题目可能会随机排序,这给教师的教学评估带来了一定困扰。新版本通过固定题目顺序,使得测验结果更加稳定可靠,便于教师进行纵向对比分析。
另一个重要修复是解决了长期存在的测验同步问题。当测验被分配给单个学习者或学习小组时,如果这些学习者使用的是仅限学习功能的设备,测验内容可能无法正确同步。这个问题在v0.18.1中得到了彻底解决,确保了所有学习设备上的测验内容都能保持一致。
用户界面与体验优化
针对Mac应用和Safari浏览器的显示问题,开发团队修复了Facility > Class表格的布局问题。同时,学习页面中的筛选器选项不再出现截断现象,确保了所有选项都能完整显示。在移动设备上,特别是在竖屏模式下查看练习测验时,"提交测验"按钮现在能够始终可见,提升了移动端用户体验。
技术架构改进
数据库与性能优化
在数据库层面,新增了date_deleted字段到FacilityUser模型,并引入了SoftDeletedFacilityUserModelManager。这些改进为未来实现用户软删除功能奠定了基础,同时确保了现有查询不会意外包含已删除用户。
性能方面,团队优化了作业更新的数据库写入操作,现在只对重要事件进行写入,减少了不必要的数据库负载。此外,通过移除未使用的Django区域设置文件,显著减小了whl文件的体积,提升了部署效率。
前端架构调整
前端部分进行了多项清理工作,包括移除不再使用的组件和优化学习活动导入。KDS(Kolibri Design System)升级到了最新版本,带来了更稳定的UI组件。特别值得注意的是,AccessibleResourceCard组件中的深层KTextTruncator样式被移除,使得代码结构更加清晰。
开发者相关改进
对于开发者而言,本次更新改进了SQLAlchemy URL.create对特殊字符密码的处理能力,增强了系统的兼容性。同时,eslint-config-prettier、katex、webpack等多个前端依赖项都更新到了最新版本,提供了更好的开发体验和安全性。
总结
Kolibri v0.18.1版本虽然是一个小版本更新,但包含了多项实质性改进,特别是在测验功能和用户体验方面。这些改进使得平台更加稳定可靠,同时也为未来的功能扩展打下了坚实基础。对于教育工作者和学习者来说,这个版本提供了更流畅、更一致的使用体验;对于开发者而言,则带来了更清晰的代码结构和更高效的开发工具链。
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 StartedRust0117- 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
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。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
SenseNova-U1-8B-MoT-SFTenseNova U1 是一系列全新的原生多模态模型,它在单一架构内实现了多模态理解、推理与生成的统一。 这标志着多模态AI领域的根本性范式转变:从模态集成迈向真正的模态统一。SenseNova U1模型不再依赖适配器进行模态间转换,而是以原生方式在语言和视觉之间进行思考与行动。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