Decidim v0.29.3版本发布:社区参与平台的重要更新
项目简介
Decidim是一个开源的数字参与和社区协作平台,它为组织、城市和社区提供了一个强大的工具来促进成员参与决策过程。作为一个基于Ruby on Rails构建的平台,Decidim支持建议、投票、讨论、会议等多种参与形式,帮助建立更加透明和包容的协作流程。
版本概述
Decidim v0.29.3是一个维护版本,主要修复了多个功能模块中的问题和进行了用户体验改进。这个版本特别关注了以下几个关键方面:
- 用户界面和可访问性改进
- 评论系统的增强
- 资源管理和显示优化
- 性能提升和错误修复
主要技术改进
1. 用户界面与可访问性增强
本次更新对平台的用户界面进行了多处优化,特别是在可访问性方面:
- 修复了预算项目页面上的进度条显示问题
- 改进了搜索过滤器的导航体验
- 为博客、辩论和会议页面添加了适当的标题标签
- 优化了移动端预算页面的显示效果
- 修复了建议状态标签在管理后台的显示问题
这些改进使得平台对各类用户更加友好,特别是对使用辅助技术的用户。
2. 评论系统改进
评论功能是Decidim平台的重要组成部分,本次更新对评论系统进行了多项修复:
- 当父资源被隐藏时,自动隐藏相关评论
- 修复了编辑带有最大长度设置的评论时的问题
- 为评论列表项添加了唯一的aria-label,提高可访问性
- 修复了评论单元格显示旧缓存值的问题
- 当评论达到最大深度时,不再显示回复按钮
这些改进提升了评论系统的稳定性和用户体验。
3. 资源管理与显示优化
在资源管理方面,v0.29.3版本带来了以下改进:
- 修复了建议导入功能中的状态问题
- 改进了建议差异比较功能,避免对非翻译字段生成差异时出错
- 修复了资源被隐藏后的重定向问题
- 优化了空间管理员的图片编辑器权限
- 修复了面包屑菜单在空间页面上的宽度问题
4. 性能与稳定性提升
本次更新包含多项性能优化和错误修复:
- 改进了用户昵称的大小写处理,添加了账户编辑表单的验证
- 修复了日期选择器的日期格式回退机制
- 优化了存储URL的生成逻辑
- 修复了公告字段中包含附件链接时的错误
- 改进了时间属性的解析处理
升级注意事项
对于系统管理员,升级到v0.29.3版本需要注意以下几点:
- 在执行升级前,确保已备份数据库、应用程序代码和静态文件
- 更新Gemfile中的版本号
- 运行必要的迁移和升级任务
- 特别注意需要手动执行的升级任务,如修复用户昵称大小写问题
技术细节
静态地图配置变更
对于使用HERE.com作为静态地图瓦片提供者的应用,需要更新配置以使用新的API版本。具体来说,需要将静态URL从旧版本更新为新版本。
用户昵称处理
为提高大型数据库的性能,本次更新将所有用户昵称迁移为小写格式。系统管理员需要运行特定任务来应用这一变更。
评论可见性逻辑
当资源被审核时,现在可以自动从搜索中移除相关评论,确保内容审核的一致性。这一功能可以通过运行特定任务来启用。
总结
Decidim v0.29.3版本虽然是一个维护更新,但它带来了多项重要的改进和修复,特别是在用户界面、评论系统和资源管理方面。这些改进不仅提升了平台的稳定性和性能,也增强了用户体验和可访问性。对于使用Decidim平台的组织和社区来说,升级到这个版本将获得更流畅、更可靠的成员参与体验。
系统管理员应按照官方升级指南进行操作,特别注意需要手动执行的升级任务,以确保平稳过渡到新版本。
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-7BSpark-Prover-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-7BSpark-Formalizer-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).Dockerfile014
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