Shelf.nu 1.13.1版本发布:资产管理系统功能升级与优化
Shelf.nu是一个现代化的资产管理系统,它帮助企业和团队高效地追踪、管理和维护各类物理资产。该系统提供了资产登记、分类、位置追踪、维护提醒等功能,特别适合需要管理大量设备或工具的组织使用。最新发布的1.13.1版本带来了一系列功能增强和问题修复,进一步提升了用户体验和系统稳定性。
核心功能改进
资产提醒功能优化
本次更新修复了资产提醒编辑功能中的URL问题,确保用户能够顺畅地编辑现有的资产提醒。资产提醒是Shelf.nu的重要功能之一,它可以帮助用户在资产需要维护或检查时及时收到通知。
多域SSO支持
系统现在全面支持多域单点登录(SSO),这一改进特别适合大型企业或拥有多个子域的组织。开发团队还优化了SSO用户转换流程,处理了之前遗漏的一些边界情况,使得身份验证过程更加无缝和安全。
移动端体验提升
针对移动设备用户,本次更新做了多项优化:
- 修复了iOS设备上资产索引页面的滚动问题
- 改进了扫描器页面的布局问题
- 调整了响应式设计,确保在小屏幕上也能获得良好的使用体验
新增功能亮点
批量导入用户
新增了通过CSV文件批量导入用户的功能,大大简化了管理员初始化系统或批量添加用户的操作流程。系统会对CSV文件头进行验证,确保数据格式正确。
资产二维码批量下载
管理员现在可以批量下载资产的二维码,这一功能极大方便了需要为大量资产打印标签的场景。批量生成的二维码保持了高质量和可读性。
增强型扫描器
引入了基于ZXing/Wasm的新扫描器实现,提供了更快速、更可靠的条形码和二维码识别能力。后续还增加了React Camera集成,更好地处理相机权限问题。
资产图片查看器改进
资产图片预览功能现在支持快捷键操作,用户可以通过按键快速关闭预览,提升了操作效率。同时修复了图片加载器的定位问题。
技术架构升级
Prisma ORM升级
项目将Prisma ORM升级到了6.x版本,这一底层数据库工具的升级带来了性能改进和新特性支持,同时保持了向后兼容性。
测试覆盖率提升
开发团队更新了Vitest测试框架及其覆盖率工具,持续完善测试套件,确保系统稳定性。
用户体验优化
新的货币选择器
重新设计了货币选择组件,增加了搜索功能,使得在长列表中选择特定货币更加便捷。
预订功能改进
为资产预订创建了新的客户端模态框,优化了预订流程的用户界面和体验。
错误处理增强
系统现在能捕获更多运行时错误,并提供更明确的错误信息,特别是在SSO登录过程中,帮助用户更快地识别和解决问题。
总结
Shelf.nu 1.13.1版本通过多项功能增强和问题修复,进一步巩固了其作为专业资产管理解决方案的地位。从底层技术栈升级到用户界面优化,从核心功能改进到新增实用特性,这次更新全方位提升了系统的可用性、稳定性和扩展性。特别是对大型组织的支持(如多域SSO)和批量操作功能(用户导入、二维码下载)的增强,使得Shelf.nu更适合中大规模的企业环境使用。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00