Sylius电商平台v2.0.3版本发布:UI优化与功能增强
Sylius是一个基于Symfony框架构建的开源电商平台,它采用现代化的架构设计,提供了灵活的产品管理、订单处理、支付集成等功能。作为一款面向开发者的电商解决方案,Sylius以其模块化设计和可扩展性著称。
近日,Sylius团队发布了v2.0.3版本,这个维护版本主要聚焦于用户界面改进、功能增强和bug修复。让我们一起来看看这个版本带来的主要变化。
用户界面优化
本次更新在用户界面方面做了大量改进,特别是在管理后台方面:
-
分页选择器优化:当没有其他限制选项时,系统会自动移除分页选择器,使界面更加简洁。
-
移动端分类菜单改进:将移动端的分类菜单移入了抽屉式导航,提升了移动设备的用户体验。
-
页面标题增强:为页面标题添加了可选的图标和描述,使页面结构更加清晰。
-
变体表格样式调整:调整了变体表格中标签的对齐方式,使其居中显示,提升了视觉一致性。
-
订单界面改进:对订单管理界面进行了多项UI优化,提升了操作体验。
功能增强
-
网格操作按钮改进:现在可以在不定义路由的情况下直接定义网格操作按钮的链接URL,提高了灵活性。
-
Twig Hooks结构改进:在AdminUser和Customer相关模板中,通过添加
left和right区块改进了Twig Hooks结构,使模板组织更加合理。 -
支付请求属性重命名:对PaymentRequest相关属性进行了重命名,提高了代码可读性。
-
库存可用性检查器修复:修正了库存可用性检查器的别名配置问题。
-
订单处理优化:将需要清除的调整类型提取为参数,提高了订单处理的灵活性。
技术改进
-
字体加载优化:对字体加载机制进行了优化,提升了页面加载性能。
-
Twig组件升级:将Twig hooks和extra组件升级到了0.6版本。
-
资源工厂兼容性:修复了没有资源工厂时的表单模板兼容性问题。
-
测试套件改进:修复了统计测试在新年份中的问题,并恢复了之前跳过的PHPUnit测试。
-
自定义表名迁移修复:修正了使用自定义表名时的迁移问题。
文档更新
-
资源配置文档修正:修正了资源配置文档中CRUD路径的描述。
-
系统需求更新:更新了系统需求文档,确保信息的准确性。
-
API定制文档:完善了自定义API相关的文档内容。
开发者体验
-
代码质量提升:进行了多次代码重构(标记为[CS][DX] Refactor),提升了代码质量和开发者体验。
-
命名空间修正:修正了phpspec测试的命名空间问题。
-
服务导入优化:修复了管理后台服务导入问题,避免每次都要导入集成服务。
这个版本的发布体现了Sylius团队对细节的关注和对用户体验的重视。通过持续的UI改进和功能增强,Sylius正逐步提升其作为企业级电商解决方案的竞争力。对于开发者而言,这些改进不仅提升了开发效率,也为定制化开发提供了更多可能性。
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