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。
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