Outline项目中的Google认证与已删除工作区用户冲突问题分析
2025-05-04 08:26:46作者:农烁颖Land
问题背景
在Outline项目中,当用户尝试使用Gmail账号创建新账户时,系统会检查该邮箱是否已存在于任何工作区中。然而,当该邮箱存在于一个已被删除但尚未完全清除的工作区时(工作区删除后有30天的数据保留期),系统会抛出TeamDomainRequiredError错误,导致新账户创建失败。
技术原理
Outline的Google认证模块在处理用户注册时,会执行以下关键步骤:
- 通过Google OAuth获取用户信息
- 检查用户邮箱是否已存在于系统中
- 如果存在,验证用户是否有权访问对应工作区
- 如果不存在或无权访问,则创建新账户
问题出在第二步的检查逻辑中,当前实现没有考虑工作区的删除状态,导致对已删除工作区中的用户账号也进行了验证。
解决方案分析
要解决这个问题,需要在用户存在性检查阶段加入对工作区状态的判断:
- 修改用户查询逻辑,排除属于已删除工作区的用户记录
- 或者在验证工作区访问权限前,先检查工作区是否处于活跃状态
- 对于已删除工作区中的用户账号,应视为"不存在",允许创建新账户
实现建议
在代码层面,建议在plugins/google/server/auth/google.ts文件的第76行附近,修改用户查询逻辑,加入类似如下的条件判断:
const user = await User.findOne({
where: {
email: profile.email,
teamId: {
[Op.notIn]: await Team.findAll({
where: { deletedAt: { [Op.not]: null } },
attributes: ['id']
})
}
}
});
这样就能确保查询结果中不包含属于已删除工作区的用户记录。
用户体验优化
从用户体验角度,这个修复将带来以下改进:
- 用户不再会因为历史账号问题而无法注册
- 系统行为更加符合用户预期
- 减少了不必要的错误提示和用户困惑
总结
Outline项目中Google认证模块的用户存在性检查需要完善对工作区状态的判断,特别是在处理已删除工作区中的用户账号时。通过修改查询逻辑,可以避免TeamDomainRequiredError错误的不当抛出,提升用户注册体验。这个问题也提醒我们在设计用户系统时,需要考虑各种边缘情况,特别是涉及数据软删除的场景。
登录后查看全文
热门项目推荐
相关项目推荐
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
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
246
暂无简介
Dart
672
157
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
663
313
React Native鸿蒙化仓库
JavaScript
262
324
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.2 K
655
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
330
137