Coolify v4.0.0-beta.411版本发布:增强Docker部署与认证功能
Coolify是一个开源的、自托管的云部署平台,它允许开发者在自己的服务器上轻松部署和管理应用程序。Coolify提供了类似Heroku的体验,但完全由用户自己控制,支持从简单的静态网站到复杂的微服务架构的部署。
主要功能更新
1. Docker Compose部署支持Coolify魔法环境变量
在此次更新中,Coolify为基于Git的Docker Compose部署添加了对Coolify特有环境变量的支持。这些"魔法"环境变量是Coolify平台提供的一些预设变量,可以简化部署配置。
这一改进意味着开发者现在可以在docker-compose.yml文件中直接引用Coolify提供的环境变量,如数据库连接字符串、服务URL等,而不需要手动配置这些值。这大大简化了复杂应用的部署流程,特别是在微服务架构中,服务间的依赖关系可以通过这些环境变量自动解析。
2. HTTP基本认证支持
新版本增加了对HTTP基本认证的支持,这是一个重要的安全功能。通过此功能,开发者可以:
- 为应用程序或API添加简单的用户名/密码保护
- 快速限制对开发中或内部应用的访问
- 在不修改应用代码的情况下添加额外的安全层
实现方式是通过Coolify的配置界面直接设置用户名和密码,Coolify会在代理层(如Nginx或Caddy)自动配置基本认证,无需开发者手动修改服务器配置。
3. Docker自定义选项增强
此次更新扩展了Docker部署的自定义选项,特别是增加了对--hostname参数的支持。这意味着开发者现在可以:
- 为容器指定特定的主机名
- 更好地控制容器网络环境
- 解决某些应用对主机名的特殊需求
这个功能对于那些依赖主机名进行服务发现或配置的应用特别有用,如某些微服务框架或分布式系统。
问题修复与改进
1. 代理配置修复
修复了在某些边缘情况下,即使只请求了Traefik作为反向代理,系统也会生成Caddy标签的问题。这确保了代理配置的准确性和一致性,避免了潜在的冲突。
2. 用户界面优化
改进了存储选项的显示逻辑,现在只有当S3存储被正确定义并激活时,才会显示S3存储选择界面。这使得界面更加清晰,避免了用户看到不可用选项的困惑。
3. 源代码管理改进
修复了当源代码仓库从公开变为私有时,部署过程中从GitHub API获取必要ID信息的逻辑。这确保了在改变仓库可见性后,部署流程仍能正常工作。
4. MongoDB服务增强
为MongoDB服务添加了备份选项,这是对数据库服务可靠性的重要增强。用户现在可以:
- 配置自动备份策略
- 确保数据安全
- 在需要时轻松恢复数据
技术实现细节
从技术角度看,这次更新主要涉及以下几个方面的改进:
-
环境变量注入系统:改进了环境变量处理逻辑,使其能够无缝集成到Docker Compose部署中。
-
认证中间件:新增了HTTP基本认证的实现,包括密码加密存储和代理配置生成。
-
Docker CLI构建器:扩展了Docker命令构建逻辑,支持更多自定义参数。
-
代理配置生成器:修复了代理标签生成的逻辑错误,提高了配置的准确性。
这些改进使得Coolify在复杂部署场景下的表现更加稳定和可靠,同时也为开发者提供了更多灵活性和控制权。
总结
Coolify v4.0.0-beta.411版本带来了多项实用功能和重要修复,特别是在Docker部署灵活性和应用安全性方面有了显著提升。对于使用Coolify管理应用部署的团队来说,这些改进将带来更顺畅的开发体验和更可靠的运行环境。
随着Coolify持续迭代,它正成为一个越来越强大的自托管部署解决方案,特别适合那些重视数据主权和定制化需求的开发团队。此次更新再次证明了Coolify团队对开发者体验和系统稳定性的重视。
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-1.5暂无简介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