Docmost v0.8.0 版本发布:增强协作与编辑体验
项目简介
Docmost 是一个现代化的文档协作平台,专注于为团队提供高效的文档创建、编辑和共享体验。作为一个开源项目,它结合了丰富的文本编辑功能和团队协作特性,适用于技术文档、知识库建设等多种场景。
核心功能更新
1. 内部链接与用户提及功能
本次更新引入了强大的 @ 命令系统,实现了两大关键功能:
- 内部页面链接:用户可以通过
@命令快速链接到平台内的其他文档,极大简化了文档间的关联操作 - 用户提及:团队成员可以通过
@命令直接提及其他成员,促进协作沟通(注:当前版本暂不支持提及通知,将在后续版本中完善)
2. 编辑器文本对齐功能
新增了文本对齐功能,支持左对齐、居中对齐、右对齐和两端对齐,为用户提供了更灵活的文档排版选择,使文档呈现更加专业。
3. 国际化支持扩展
v0.8.0 版本新增了五种语言支持:
- 西班牙语 (es-ES)
- 意大利语 (it-IT)
- 日语 (ja-JP)
- 韩语 (ko-KR)
- 俄语 (ru-RU)
这大大扩展了 Docmost 的全球适用性,使更多地区的团队能够使用母语进行协作。
性能与安全改进
1. 安全增强
出于安全考虑,本次更新强制要求 APP_SECRET 的最小长度为 32 个字符。这是现代 Web 应用安全的最佳实践,可以有效防止某些类型的攻击。管理员在升级前需要确保符合这一要求,可以使用 openssl rand -hex 32 命令生成符合要求的新密钥。
2. 认证机制优化
认证系统进行了重构,改用 HttpOnly Cookie 方案,这能更好地防范 XSS 攻击,提升整体安全性。
用户体验提升
1. 成员搜索功能
新增了成员搜索功能,使得在大型团队中快速定位特定成员变得更加容易,特别是在进行用户提及或权限管理时尤为实用。
2. UI 分页
界面增加了分页支持,改善了大数据集的浏览体验,使内容导航更加流畅。
3. 代码块优化
针对开发者用户,优化了代码块的显示效果:
- 调整了制表符大小
- 改进了打印体验
- 提升了整体可读性
技术细节与开发者关注点
1. 依赖更新
项目依赖库进行了全面更新,包括数学公式渲染库 KaTeX 的版本升级,确保使用最新的功能和安全性修复。
2. 环境变量处理
改进了客户端环境变量的刷新机制,使配置变更能够更及时地生效。
3. 错误修复
本次更新修复了多个关键问题,包括:
- 空间切换时的异常
- 邀请注册的重定向问题
- 401 认证错误的处理
- 默认语言设置等
总结
Docmost v0.8.0 版本在协作功能、编辑体验和国际化支持方面都有显著提升。内部链接和用户提及功能的加入使团队协作更加流畅,而安全性的增强则确保了平台的稳健性。对于技术团队而言,代码块的优化和搜索功能的改进也带来了更好的使用体验。
作为开源项目,Docmost 继续展现出良好的发展态势,v0.8.0 版本的这些改进使其在文档协作领域更具竞争力。期待在未来的版本中看到用户提及通知等功能的进一步完善。
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-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