Uploadthing 7.5.0版本发布:新增Tailwind支持与签名URL功能
Uploadthing是一个现代化的文件上传解决方案,它简化了开发者在Web应用中处理文件上传的流程。该项目提供了React组件、API接口以及各种实用工具,让开发者能够轻松实现安全可靠的文件上传功能。
新增Tailwind CSS v4支持
在7.5.0版本中,Uploadthing新增了对Tailwind CSS v4的官方支持。开发者现在可以通过简单的CSS导入语句来使用Uploadthing提供的Tailwind样式:
@import "tailwindcss";
@import "uploadthing/tw/v4";
这一改进使得在基于Tailwind v4的项目中集成Uploadthing的UI组件变得更加容易。需要注意的是,导入路径可能需要根据项目结构进行调整,确保正确指向node_modules中的Uploadthing包。
自定义fetch实现
新版本允许开发者覆盖默认的fetch实现,这在某些特殊场景下非常有用:
- 需要添加自定义请求头
- 实现请求重试逻辑
- 使用特殊的fetch polyfill
- 添加统一的错误处理
这个功能增强了Uploadthing在各种环境下的适应能力,特别是在服务器端渲染(SSR)或边缘计算环境中。
签名URL生成功能
7.5.0版本引入了一个重要的新功能:UTApi.generateSignedURL方法。这个方法允许开发者直接生成私有文件的签名URL,而无需发起额外的API请求。
签名URL的主要优势包括:
- 提高性能:避免了额外的网络请求
- 增强安全性:URL有时效性,防止未授权访问
- 简化流程:可以直接在前端生成URL
这对于需要临时访问私有文件的场景特别有用,比如用户上传的敏感文档或媒体文件。
错误处理与API改进
本次更新还包含了一些重要的错误修复和API改进:
- 改进了UTAPI的错误处理机制,确保错误不会被静默忽略
- 允许在JsonArray中使用深度嵌套的对象结构
- 引入了新的
ufsUrl字段,格式为https://APP_ID.ufs.sh/f/FILE_KEY,同时标记旧的url和appUrl字段为已弃用
这些改进使得Uploadthing更加稳定可靠,同时也为未来的功能扩展奠定了基础。
总结
Uploadthing 7.5.0版本带来了多项实用功能和改进,特别是对Tailwind v4的支持和签名URL功能,将显著提升开发者的使用体验。这些更新展示了Uploadthing团队对开发者需求的关注,以及持续优化产品的承诺。
对于正在使用或考虑使用Uploadthing的开发者来说,7.5.0版本值得升级,特别是那些需要处理私有文件访问或使用最新版Tailwind的项目。
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