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。
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