Sa-Token v1.43.0 发布:SSO 单设备注销与消息推送机制全面升级
项目简介
Sa-Token 是一款轻量级 Java 权限认证框架,主要解决登录认证、权限认证、单点登录、OAuth2.0、分布式会话等常见权限控制问题。其设计简洁、API 友好,支持快速集成到各类 Java 项目中。最新发布的 v1.43.0 版本带来了多项重要功能增强,特别是在单点登录(SSO)和 OAuth2 方面的能力提升尤为显著。
核心功能增强
本次更新中,Sa-Token 在核心模块引入了多项实用功能:
-
精细化注销控制:新增的
SaLogoutParameter支持通过deviceId参数实现指定设备的精准注销,这在多设备登录场景下特别有用。 -
HTTP 请求处理模块:新增的
SaHttpTemplate模块为开发者提供了统一的 HTTP 请求处理能力,简化了与外部服务的交互过程。 -
TOTP 增强:TOTP(基于时间的一次性密码)功能增加了
issuer字段支持,提高了双因素认证的安全性。 -
注解鉴权扩展:
@SaCheckOr注解新增append字段,支持动态抓取未预先定义的注解类型进行批量鉴权,大大提升了权限控制的灵活性。
单点登录(SSO)重大升级
SSO 模块在本版本中获得了多项关键性改进:
-
单设备注销能力:解决了多设备登录场景下的精细化控制问题,现在可以精确控制只注销特定设备的会话,而不影响用户在其他设备上的登录状态。
-
消息推送机制:新增的消息推送功能为系统间通信提供了标准化方案,特别适合分布式环境下的状态同步需求。
-
客户端精细化配置:通过新增的
clients配置项,可以为每个客户端单独配置授权信息,实现了更细粒度的权限管理。 -
匿名客户端支持:新增的
allowAnonClient配置项允许系统支持匿名客户端访问,为特殊业务场景提供了更多可能性。 -
策略模式增强:新增的
convertCenterIdToLoginId和convertLoginIdToCenterId策略函数,解决了认证中心与本地系统用户标识转换的标准化问题。
OAuth2 功能强化
OAuth2 模块在本版本中同样获得了多项重要更新:
-
自动授权确认:新增的
isAutoConfirm配置项允许应用自动确认授权,简化了用户操作流程。 -
多令牌并存:支持多
Access-Token、多Refresh-Token和多Client-Token并存,解决了同一用户多设备同时访问时的令牌管理问题。 -
策略模式优化:将认证流程回调从配置类转移到策略类,提高了代码的可扩展性和可维护性。
-
用户授权检查:新增的
userAuthorizeClientCheck策略提供了用户与应用授权关系的自定义检查能力。
插件生态扩展
Sa-Token 的插件生态在本版本中得到了进一步丰富:
-
新增 HTTP 客户端插件:
sa-token-forest和sa-token-okhttps插件分别整合了 Forest 和 OkHttps 两个流行的 HTTP 客户端。 -
模块拆分优化:将 API Key 和 API Sign 功能拆分为独立插件包,提高了模块的独立性和可维护性。
-
序列化改进:修复了多个插件中的序列化问题,提升了系统的稳定性和兼容性。
文档与示例完善
本次更新还包含了大量文档和示例的改进:
-
新增离线文档:方便开发者在无网络环境下查阅。
-
新增示例项目:包括 SSE 鉴权示例、ReSdk 模式对接示例和匿名应用模式对接示例等。
-
文档内容优化:对 SSO 和 OAuth2 章节进行了全面梳理,增加了更多实用场景的说明和示例。
总结
Sa-Token v1.43.0 版本在功能丰富性、使用便捷性和系统稳定性方面都取得了显著进步。特别是 SSO 模块的单设备注销和消息推送机制,以及 OAuth2 模块的多令牌并存能力,为开发者处理复杂业务场景提供了更多可能性。这些改进使得 Sa-Token 在权限控制领域的竞争力进一步提升,值得开发者关注和升级。
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