Vike项目中关于STORYBOOK环境变量的处理优化
在Vike项目的最新开发中,团队针对STORYBOOK环境变量的处理方式进行了重要优化。这个改动源于开发者在使用过程中遇到的一个实际问题:当在客户端代码中使用import.meta.env.STORYBOOK时,Vike的安全机制会阻止这种用法,因为该环境变量可能会被意外暴露在客户端代码中。
Vike框架原本的设计理念是:任何不以PUBLIC_ENV__为前缀的环境变量都不应该出现在客户端代码中,这是为了防止敏感信息意外泄露。然而,STORYBOOK这个特殊的环境变量是由Storybook工具本身自动注入的,开发者很难通过常规方式修改其命名前缀。
经过深入讨论和技术评估,Vike团队决定采取以下解决方案:
-
将STORYBOOK环境变量加入白名单,允许它在客户端代码中直接使用,无需添加PUBLIC_ENV__前缀。这相当于框架内部将STORYBOOK视为已经具有公共前缀的环境变量。
-
计划在未来版本中引入更灵活的配置方式,通过vike.config.js文件中的env.public设置来明确指定哪些环境变量可以在客户端使用。这将为开发者提供更细粒度的控制能力。
这个改动体现了Vike框架在安全性和实用性之间的平衡。一方面,框架需要防止敏感信息泄露;另一方面,也需要考虑实际开发场景中的特殊需求。对于使用Storybook进行组件开发的团队来说,这个优化将显著简化他们的开发流程,无需再为环境变量的命名问题而烦恼。
值得注意的是,这种白名单机制是经过慎重考虑的临时方案。Vike团队正在规划更完善的公共环境变量管理系统,这将包括更灵活的配置选项和更清晰的文档说明,帮助开发者更好地管理不同环境下的变量使用。
对于开发者来说,现在可以安全地在客户端代码中使用STORYBOOK环境变量来判断当前是否运行在Storybook环境中,而不用担心框架的安全检查报错。同时,也应该注意不要滥用这个特性,其他敏感环境变量仍然需要遵循原有的命名规范。
这个改进展示了Vike框架对开发者反馈的快速响应能力,以及框架设计上的灵活性。随着0.4.177版本的预发布,相关功能已经可供开发者试用,为前端开发工作流带来了更多便利。
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