Wagtail 7.0 RC1发布:内容管理系统的重大更新
Wagtail是一个基于Django构建的开源内容管理系统(CMS),以其优雅的界面和强大的灵活性著称。作为Python生态中最受欢迎的CMS解决方案之一,Wagtail特别适合需要高度定制内容管理流程的开发团队。最新发布的7.0 RC1版本带来了多项重要改进和新特性,标志着这个项目又向前迈进了一大步。
核心框架升级与兼容性
Wagtail 7.0 RC1正式添加了对Django 5.2的支持,确保了项目能够利用Django框架的最新特性和安全更新。值得注意的是,开发团队已经移除了对Django依赖的上限限制,这意味着Wagtail将能够更灵活地适应未来Django版本的更新。
在数据库模型方面,这个版本允许自定义图片呈现模型使用models.UniqueConstraint替代传统的unique_together定义唯一约束,这为开发者提供了更现代的模型定义方式。同时,项目结构也进行了优化,将庞大的wagtail.models模块拆分为多个子模块,提高了代码的可维护性。
内容编辑体验增强
内容编辑是CMS的核心功能,7.0 RC1在这方面做了多项改进:
- 新增了延迟验证必填字段的功能,允许用户在保存草稿时暂时跳过某些必填字段的验证,这在复杂内容创作场景中特别有用
- 改进了
StreamBlock值的规范化处理,确保程序化修改StreamField时数据的一致性 - 为
TypedTableBlock实现了normalize方法,简化了默认值和预览值的设置 - 当设置了发布计划时,"发布"按钮标签会自动变为"计划发布",提高了界面反馈的准确性
国际化与本地化改进
Wagtail一直以其出色的国际化支持著称,7.0 RC1进一步强化了这一特性:
- 在可翻译模型的列表和选择器中默认添加了"语言环境"列
- 在选择器中默认应用当前内容的语言环境,并增加了清除语言环境筛选的功能
- 当没有更多可用语言时,会自动隐藏添加语言环境的按钮
- 修复了客户端代码中可翻译字符串的首选语言处理问题
- 确保了富文本格式化标签的翻译支持首选语言设置
管理界面优化
管理界面的用户体验得到了全面提升:
- 引入了全新的列表和选择器分页设计(页面选择器除外)
- 为工作流任务添加了通过
get_template_for_action指定操作模态模板的能力 - 改进了活动列表筛选器的渲染方式,支持额外的筛选类型
- 将评论操作(如果启用)添加到管理键盘快捷键对话框中
- 优化了主页面板表头的内边距,确保视觉一致性
- 从"代码片段"菜单中排除了已有自己菜单项的代码片段
性能与架构改进
7.0 RC1包含多项性能优化和架构改进:
- 改进了批量清除前端缓存页面URL的性能,避免了n+1查询问题
- 减少了渲染用户栏时对上下文处理器的冗余调用
- 确保引用索引正确处理主键名不是"id"的模型
- 默认使用Elasticsearch的
standard分词器,正确处理数字作为标记的情况 - 迁移了Sass导入规则,为CSS嵌套做准备
开发者体验提升
对于开发者而言,这个版本带来了多项便利:
- 更好地支持和文档化了用户栏中图标的覆盖或扩展
- 增强了对表单页面中默认字段小部件覆盖的支持和文档
- 允许通过
get_default_privacy_setting设置新页面的默认隐私限制 - 使
InspectView字段显示值可通过视图上的方法进行自定义 - 修复了使用
min_num时InlinePanel首次保存后的正确排序问题
维护与未来准备
7.0 RC1也包含了许多底层维护工作:
- 将setuptools配置从
setup.py和setup.cfg迁移到pyproject.toml - 更新了ruff到0.9.6版本
- 重构了Stimulus控制器导入、JSDoc和linting
- 重命名
SkipLinkController为FocusController并提高其可重用性 - 从共享模板包含中移除了管理JavaScript导入
- 移除了非编辑视图对
insert_editor_js钩子输出的包含
总结
Wagtail 7.0 RC1是一个功能丰富且稳定的预发布版本,为正式版的发布奠定了坚实基础。从内容编辑体验到国际化支持,从管理界面优化到开发者体验提升,这个版本在多个维度上都取得了显著进步。特别是对Django 5.2的正式支持和多项架构改进,确保了Wagtail能够继续保持其在Python CMS领域的领先地位。对于现有用户而言,升级到这个版本将获得更流畅的内容管理体验;对于新用户来说,现在正是评估和采用Wagtail的好时机。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
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Python00
HunyuanVideo-1.5暂无简介00
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
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
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