Better Auth 1.2.0 版本发布:全面升级的身份验证解决方案
Better Auth 是一个现代化的身份验证解决方案,它提供了丰富的功能和灵活的插件系统,帮助开发者快速构建安全可靠的用户认证系统。最新发布的 1.2.0-beta.17 版本带来了多项重要更新和改进,涵盖了从核心功能到社交登录、安全验证等多个方面。
核心功能增强
本次更新对 Better Auth 的核心功能进行了多项优化。首先,系统现在会自动清理过期的验证数据,这有助于保持数据库的整洁并提高性能。其次,改进了默认作用域的处理方式,现在允许在请求中传递自定义作用域,为开发者提供了更大的灵活性。
在 JWT 令牌处理方面,新版本增加了令牌生成和检索功能,并支持加密功能,进一步增强了安全性。同时,系统现在会检查组织 slug 的有效性,并支持存储显示用户名(非规范化用户名),这为多语言支持和特殊字符处理提供了更好的兼容性。
社交登录扩展
Better Auth 1.2.0 版本新增了两个社交登录提供商支持。首先是 VK ID 社交提供商,为俄罗斯和东欧市场提供了本地化的登录选项。其次是 Roblox 社交提供商,满足了游戏平台的特定认证需求。这些新增的社交登录选项扩展了 Better Auth 的适用范围。
安全与验证改进
在安全方面,新版本引入了验证码插件,支持多种验证码提供商,帮助开发者有效防止自动化攻击和垃圾注册。同时,改进了双因素认证功能,现在会正确记住用户的"记住我"选择,提升了用户体验。
对于管理员功能,新增了访问控制机制,包括自定义管理员用户 ID 选项,增强了系统的安全性。此外,还增加了用户总数统计功能,方便管理员掌握系统规模。
数据库与适配器优化
MongoDB 适配器现在支持自定义 ID 生成,为开发者提供了更大的灵活性。Kysely 适配器改进了字段转换处理,特别是在 WHERE 子句中的处理,提高了查询的准确性和性能。
数据库钩子现在支持上下文传递,这使得开发者可以在钩子函数中访问更多相关信息,实现更复杂的业务逻辑。
OIDC 与 One Tap 改进
OIDC 插件现在允许在令牌端点使用头部认证,符合更多客户端的实现需求。用户信息端点的字段命名也进行了调整,以更好地符合 OIDC 规范。
Google One Tap 集成得到了显著改进,包括 JWT 验证和提示处理的优化。同时实现了账户链接功能,使得用户可以将多个社交账户关联到同一个主账户上。
组织与用户名管理
组织功能现在支持多角色分配,为团队协作提供了更精细的权限控制。用户名验证增加了默认验证规则和选项,帮助开发者确保用户名的合规性和一致性。
其他改进与修复
新版本还包含多项技术改进和错误修复。例如,实现了不依赖 Buffer 的 Base64 转换,提高了跨平台兼容性;增加了云服务 Worker 的基本测试支持;修复了 OAuth 在 Drizzle 适配器下的问题等。
这些更新共同构成了 Better Auth 1.2.0 版本的强大功能集,为开发者提供了一个更加完善、安全和灵活的身份验证解决方案。
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