Squidex 7.19.0版本发布:全新流程系统与规则引擎升级
Squidex是一个开源的无头内容管理系统(CMS),它提供了强大的内容建模能力和灵活的API接口,使开发人员能够轻松构建和管理内容驱动的应用程序。作为.NET生态中的重要CMS解决方案,Squidex以其轻量级、可扩展性和开发者友好的特性受到广泛欢迎。
核心更新:全新流程系统
本次7.19.0版本最重要的改进是引入了全新的流程系统(flow system),它彻底重构了规则动作的定义方式。这一改变带来了显著的架构优化:
-
数据库跟踪机制改进:新系统对动作执行的跟踪记录方式进行了底层重构,提高了数据存储的效率和可靠性。
-
向后兼容性:系统设计考虑了平滑过渡,能够自动将旧版规则动作迁移到新流程系统中,确保现有功能不受影响。
-
日志迁移策略:由于数据库结构的重大变更,现有规则日志无法直接迁移。建议在更新前确保所有规则项都已成功执行,或者通过管理界面暂时禁用规则队列。
规则引擎增强功能
除了核心架构改进,本次更新还为规则引擎带来了多项实用功能:
-
调试能力提升:现在可以单独跟踪每个动作尝试的执行情况,大大简化了复杂规则的调试过程。
-
新增Cron触发器:引入了基于Cron表达式的定时任务触发器,最小间隔时间为4小时,为定期内容处理提供了更多灵活性。
-
执行历史保留:AI聊天对话现在支持历史记录保存和恢复功能,方便回溯和继续之前的交互。
技术架构优化
在底层技术层面,本次更新包含多项重要改进:
-
API性能优化:为JSON端点增加了内容压缩支持,减少网络传输数据量。
-
安全增强:日志系统现在会自动屏蔽敏感配置值,防止意外泄露。
-
批量处理框架:SQL层迁移到了新的批量更新框架,提高了大数据量操作的效率。
-
前端架构升级:UI层迁移到了API模型的自动生成代码,提高了开发效率和一致性。
用户体验改进
针对终端用户和管理员的使用体验,本次更新包含多项细节优化:
-
密码字段安全:禁用了密码字段的自动填充功能,提高安全性。
-
编辑器修复:修正了编辑器扩展模式的问题,提供更稳定的编辑体验。
-
标题服务:修复了浏览器标签页标题显示问题。
-
引导系统:改进了新用户引导系统的多个方面,使入门体验更加顺畅。
-
评分控件:修正了星级评分控件的默认值处理逻辑。
升级建议与注意事项
对于计划升级到7.19.0版本的用户,建议特别注意以下几点:
-
规则日志处理:由于日志系统架构变更,建议在规则全部执行成功后再进行升级,或者暂时禁用规则队列。
-
OIDC配置:新增了禁用OIDC profile scope的选项,需要自定义认证服务器的用户应检查相关配置。
-
性能监控:升级后应关注API响应时间和数据库性能变化,特别是使用批量操作的功能。
这次更新标志着Squidex在规则引擎和流程管理方面迈出了重要一步,为构建更复杂、更可靠的内容处理流水线奠定了基础。新架构不仅提高了系统的稳定性和可维护性,也为未来的功能扩展提供了更灵活的技术基础。
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-X1-7BSpark-Prover-X1-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
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-X1-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile015
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00