AlchemyCMS v7.4.0发布:告别CoffeeScript,拥抱现代前端工具链
AlchemyCMS是一个基于Ruby on Rails开发的内容管理系统,以其强大的内容编辑功能和灵活的架构而闻名。最新发布的v7.4.0版本标志着该项目在前端技术栈上的重大革新,彻底告别了CoffeeScript时代,全面转向现代JavaScript工具链。
前端技术栈全面升级
本次版本最核心的变化是彻底移除了对CoffeeScript的依赖。CoffeeScript作为一种JavaScript的语法糖,曾经在前端开发中流行一时,但随着ES6+标准的普及和现代前端工具链的成熟,它已逐渐退出历史舞台。AlchemyCMS团队果断地完成了这一技术迁移,使得整个项目的JS和CSS构建不再依赖Sprockets(虽然目前仍保留为依赖项,计划在8.0版本中完全移除)。
这一转变带来了多项技术改进:
- 所有JavaScript代码现在都使用ES模块规范编写
- 前端资源构建完全采用现代工具链
- 为未来支持propshaft(Rails 7.1+的资产管道替代方案)铺平了道路
显著功能增强
可调整大小的元素窗口
编辑器界面中的元素窗口现在支持调整大小,这大大改善了内容编辑体验,特别是在处理复杂布局时。
视图组件生成器
新增的ingredient生成器现在能够自动创建视图组件,这符合现代前端开发的最佳实践,使得自定义内容元素的开发更加规范和高效。
图片alt文本编辑优化
图片alt文本表单字段的高度得到了调整,使编辑长描述文本更加方便。
管理员界面样式扩展
现在可以通过配置添加额外的样式表到管理员界面,为项目定制提供了更大的灵活性。
安全性与用户体验改进
外部链接安全增强
所有外部链接现在都自动添加了rel="noopener noreferrer"属性,这是防范tabnabbing攻击的重要安全措施。
图片裁剪工具升级
用cropperjs替代了老旧的Jcrop库,提供了更现代、功能更强大的图片裁剪体验。
SVG图标预加载
SVG图标精灵现在会被预加载,减少了界面渲染时的延迟,提升了用户体验。
技术架构演进
依赖管理现代化
- jQuery和Select2现在通过importmap加载
- Handlebars模板从npm直接引入
- TinyMCE插件被捆绑到主包中
测试环境优化
CI环境从MySQL切换到SQLite,简化了测试配置,同时测试矩阵增加了对Ruby 3.4.1和Rails 8.0的支持。
开发者体验提升
运行时模块控制器验证
模块控制器现在在运行时进行验证,提供了更灵活的扩展机制。
Turbo Streams应用
多个界面交互改用Turbo Streams实现,包括页面配置对话框和元素创建流程,使界面更新更加流畅。
导航辅助方法优化
导航辅助方法改用#send实现,提高了代码的灵活性和可维护性。
向后兼容性考虑
虽然移除了CoffeeScript支持,但团队保持了Sprockets的暂时依赖,确保现有项目能够平稳过渡。这一设计决策体现了对现有用户的尊重和对生态系统稳定性的重视。
总结
AlchemyCMS v7.4.0是一次重要的技术升级,它不仅跟上了现代Web开发的步伐,还为未来的发展奠定了更坚实的基础。通过拥抱ES模块、现代化前端工具链和最新Rails特性,这个版本在保持强大内容管理功能的同时,显著提升了开发体验和系统性能。对于现有用户来说,升级到这个版本将获得更流畅的管理界面和更现代的代码库;对于新用户而言,这降低了入门门槛,使AlchemyCMS成为一个更具吸引力的内容管理解决方案。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C0111
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python059
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
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00