Firebase JavaScript SDK 11.6.0版本发布:新增Cookie持久化认证方案
Firebase是Google提供的一套后端云服务开发平台,其JavaScript SDK让开发者能够在Web应用中轻松集成各种后端功能。本次发布的11.6.0版本主要针对认证模块进行了重要更新,引入了基于Cookie的持久化方案,为前后端认证状态同步提供了更好的支持。
认证模块的重大更新
本次发布最值得关注的是在@firebase/auth模块中新增了Persistence.COOKIE持久化方法。这个被称为browserCookiePersistence的实现,专门设计用于与中间件配合使用,确保前端和后端的认证状态保持同步。
传统的Web应用认证方案中,前端通常使用localStorage或sessionStorage来保存用户认证状态,而后端则依赖HTTP-only Cookie。这种分离的存储方式经常会导致前后端状态不一致的问题。新的Cookie持久化方案通过统一使用Cookie作为存储介质,从根本上解决了这个问题。
技术实现细节
browserCookiePersistence的实现具有以下技术特点:
- 跨域支持:Cookie可以配置为跨域共享,适合微服务架构
- 安全性:可以配置为HTTP-only,防止XSS攻击获取认证信息
- 一致性:前后端共享同一认证状态,避免状态不一致导致的用户体验问题
- SSR友好:特别适合服务端渲染(SSR)应用场景
开发者现在可以在初始化Firebase认证时选择这种持久化方式:
import { getAuth, browserCookiePersistence } from "firebase/auth";
const auth = getAuth(app);
await setPersistence(auth, browserCookiePersistence);
其他改进
除了主要的认证功能更新外,本次发布还包含了一些其他改进:
-
VertexAI模块增强:现在在初始化模型时会检查
appId是否定义,未定义时将抛出错误,提高了开发体验。同时标记GroundingAttribution为已弃用,引导开发者使用新的API。 -
Data Connect改进:改进了错误处理,现在会将部分错误暴露给用户,帮助开发者更好地调试问题。
升级建议
对于正在开发需要前后端认证状态同步的Web应用,特别是采用服务端渲染技术的项目,强烈建议升级到11.6.0版本并尝试新的Cookie持久化方案。这种方案特别适合以下场景:
- 需要严格保持前后端认证状态一致的应用
- 使用Next.js、Nuxt.js等SSR框架的项目
- 需要防范XSS攻击的安全敏感应用
对于已经使用localStorage或sessionStorage的项目,迁移到Cookie方案需要考虑现有用户的平滑过渡,建议采用渐进式迁移策略。
Firebase团队持续改进JavaScript SDK,为开发者提供更强大、更安全的工具链,本次更新再次体现了其对现代Web开发需求的快速响应能力。
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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