Oqtane框架6.1.3版本发布:现代化.NET CMS的全面升级
Oqtane是一个基于.NET平台的开源内容管理系统(CMS)和应用框架,它充分利用了Blazor组件模型的优势,为开发者提供了构建动态Web、移动和桌面应用的强大工具。作为一个模块化设计的现代化CMS,Oqtane以其灵活性、可扩展性和高性能著称,特别适合需要高度定制化的企业级应用开发。
核心功能增强
用户与权限管理优化
6.1.3版本在用户管理方面进行了多项改进。管理员现在可以直接管理用户账户的电子邮件验证状态,无需依赖自动验证流程,这在企业内网环境中特别实用。同时,新增了注册URL和个人资料URL的自定义选项,为不同站点提供了更灵活的用户流程配置能力。
权限系统也获得了增强,特别是在页面编辑模块中加入了更新模块权限的选项。这一改进使得权限管理更加直观,同时智能地忽略共享模块,避免了不必要的权限冲突。
时间与本地化支持
本版本引入了全面的时区支持,为站点和用户添加了时区设置功能。ModuleBase新增了处理本地日期时间显示的方法,使开发者能够轻松实现符合用户所在时区的时间展示。管理模块中的日期时间显示也相应更新,确保管理员看到的是符合其本地时区的时间信息。
文件与资源管理改进
文件系统管理获得了多项优化。现在系统允许删除包含文件的文件夹,简化了文件整理流程。文件夹的排序和显示方式也得到改进,确保始终按字母顺序排列并以层级结构展示,提升了用户体验。
资源加载机制更加智能,ModuleBase和ThemeBase现在支持资源继承,这意味着子模块可以更自然地继承和使用父模块的资源文件,减少了重复代码。
开发者体验提升
模块开发增强
6.1.3版本为模块开发者提供了更多便利。ModuleBase中的ReplaceTokens方法得到修复,确保了令牌替换的可靠性。模块设置新增了对页眉和页脚内容的支持,为模块提供了更丰富的自定义选项。
默认模块模板也进行了更新,优化了服务器端资源路径,使资源引用更加规范。同时,所有模板已升级至.NET SDK 9.0.5,确保开发者能够利用最新的.NET特性。
API与服务优化
框架核心服务进行了多项改进。SettingRepository新增了便捷的GetSettingValue方法,简化了设置值的获取过程。ConfigureOqtaneAssemblies的调用时机被调整到Startup流程的后期,使服务注册和端点配置更加灵活。
URL处理也更加健壮,改进了URL参数获取和验证逻辑,同时URL映射功能新增了生成随机短链接的能力,为内容分享提供了更多选择。
性能与稳定性
6.1.3版本在性能方面做了针对性优化。文件服务器获得了性能提升,处理大文件和并发请求更加高效。选项缓存机制得到改进,在用户设置更新后自动清除相关缓存,确保数据一致性。
系统更新界面进行了UI改进,使升级过程更加直观。同时修复了多处可能导致异常的情况,如主机/站点设置覆盖问题和特定情况下的URL参数处理问题,提升了整体稳定性。
兼容性与升级
此版本针对.NET 9.0进行了全面适配,包括更新所有相关依赖项至最新版本。特别值得注意的是,为适应.NET 9中CORS属性的变化,对.NET MAUI客户端的CORS配置进行了相应调整。
升级过程保持了一贯的平滑体验,从先前版本升级不会引入破坏性变更。只需安装升级包,数据库将自动完成必要的架构更新。
Oqtane 6.1.3版本通过这些全面而细致的改进,进一步巩固了其作为现代化.NET CMS解决方案的地位,为开发者和最终用户都带来了更优质的使用体验。
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。C091
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.Python058
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