Homebox v0.19.0版本发布:数据库重构与附件存储优化
Homebox是一个开源的家庭物品管理系统,它帮助用户高效地组织和追踪个人物品。该系统提供了从物品分类、位置管理到附件存储等全方位功能,特别适合需要管理大量家庭物品或收藏品的用户。
最新发布的v0.19.0版本带来了多项重要更新,其中最值得注意的是数据库架构的重大变更和附件存储机制的优化。这些改进不仅提升了系统性能,还增强了数据管理的可靠性。
数据库迁移系统与表结构重构
v0.19.0版本引入了真正的数据库迁移系统,这是一个架构上的重大进步。迁移系统允许数据库模式变更以可控、可追溯的方式进行,为未来的升级提供了更安全的基础。
此次更新还合并了两个数据库表,移除了原有的documents表。这种重构简化了数据模型,减少了不必要的复杂性。值得注意的是,这种结构性变更意味着用户在升级前必须做好数据库备份,以防意外情况发生。
附件存储机制优化
新版本彻底改进了附件存储方式,这是本次更新的核心改进之一。旧版本采用<父路径>/<组ID>/<UUID>.<扩展名>的存储格式,而新版本则改为基于文件哈希的存储路径<父路径>/<组ID>/<文件哈希>。
这一变更带来了几个显著优势:
-
存储去重:当多个物品使用完全相同的附件时,系统现在只会在文件系统中存储一份副本。例如,上传30个物品使用同一张图片,现在只占用一个文件的空间,而之前会产生30个独立文件。
-
智能删除:删除物品附件时,系统会检查是否有其他物品引用该文件。只有当没有其他引用时,才会真正删除物理文件,这防止了意外删除共享文件的情况。
-
一致性保证:基于哈希的存储方式确保了文件内容的唯一性,避免了因文件名不同导致的重复存储。
需要注意的是,这一变更会影响依赖于文件扩展名的外部工具或流程。现在需要通过数据库查询来确定文件类型,而不是直接检查文件扩展名。
用户体验改进
除了底层架构的改进,v0.19.0还包含多项用户体验优化:
- 新增了图片旋转功能,用户可以直接在界面上将附件图片顺时针旋转90度
- 改进了移动设备上的物品创建表单布局
- 添加了物品数量字段,方便管理多个相同物品
- 实现了更自然的物品名称排序方式
- 排除了已售出物品在总价计算中的影响
技术栈更新
在技术栈方面,项目继续向现代化方向演进:
- 全面采用shadcn组件替换原有UI框架
- 移除了daisyui依赖
- 增加了对日期和货币的本地化覆盖支持
- 引入了Playwright进行端到端测试
- 优化了Docker构建流程,始终使用LTS版本的NodeJS
升级建议
由于此次更新包含数据库结构变更,升级时需要特别注意:
- 务必在升级前备份完整数据库
- 检查是否有依赖于文件扩展名的外部集成,需要相应调整
- 考虑新附件存储机制对存储空间的影响
- 测试环境先行验证升级过程
v0.19.0版本的这些改进为Homebox奠定了更稳固的基础,特别是新的迁移系统将为未来的功能扩展提供更好的支持。附件存储机制的优化不仅节省了空间,还提高了数据管理的可靠性,是本次更新中最值得关注的改进之一。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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