Hoarder知识管理工具v0.22.0版本发布:新增Webhook与SingleFile支持
Hoarder是一款开源的现代化知识管理工具,它能够帮助用户高效地收集、组织和检索各类网络内容。作为一个全栈解决方案,Hoarder提供了浏览器扩展、移动应用和Web界面,支持保存网页、文本、图片等多种格式的内容,并通过智能标签、全文搜索等功能实现知识的高效管理。
核心功能升级
Webhook通知机制
本次版本最值得关注的新特性是Webhook支持。开发者现在可以配置Hoarder在书签创建或编辑时向指定URL发送HTTP请求。这一功能为自动化工作流打开了大门,例如:
- 与Slack、Discord等通讯工具集成,实时通知团队成员新添加的内容
- 触发CI/CD流程,自动将技术文档同步到内部知识库
- 连接IFTTT或Zapier,实现跨平台自动化
Webhook配置支持自定义请求头和请求体模板,用户可以根据接收方的API要求灵活调整数据格式。
SingleFile扩展集成
针对需要登录才能访问的内容,新版本引入了对SingleFile扩展的支持。SingleFile是一款能将完整网页保存为单个HTML文件的浏览器扩展,现在用户可以直接将这些保存的内容导入Hoarder:
- 在SingleFile设置中将Hoarder配置为导出目标
- 保存网页时内容会自动同步到Hoarder知识库
- 系统会解析HTML中的文本内容建立索引
需要注意的是,当前版本对SingleFile内容的截图支持尚在开发中,这是未来版本的重点改进方向。
用户体验优化
智能排序与筛选
新版增加了书签网格的多维度排序功能,用户可以按创建时间正序或倒序排列内容。同时增强了搜索语法:
is:link- 仅显示网页书签is:text- 仅显示纯文本内容is:media- 仅显示图片等媒体内容
这些筛选条件可以与其他搜索关键词组合使用,构建更精确的查询。
智能列表改进
智能列表对话框现在会实时显示查询解析结果,并内置了查询语法文档链接。这一改进显著降低了用户学习复杂查询语法的门槛。
开发者相关更新
API增强
书签模型新增了modifiedAt字段,记录最后修改时间戳。这一变更对需要同步数据的第三方应用特别有价值,开发者可以基于此字段实现增量同步逻辑。
Kubernetes部署优化
社区贡献者对Kubernetes部署文档和模板进行了全面改进,包括:
- 更详细的配置说明
- 优化的资源请求/限制设置
- 完善的健康检查配置
- 清晰的持久化存储建议
这些改进使得在K8s环境中运行Hoarder更加稳定可靠。
问题修复与稳定性提升
本次版本修复了多个影响用户体验的问题:
- 移动端图片上传功能恢复正常
- 解决了批量操作大数量书签时的失败问题
- 修正了搜索语法中AND/OR作为标签前缀时的解析错误
- 优化了文本高亮功能的选择体验
- 提升了RSS抓取的兼容性
社区生态
围绕Hoarder的生态正在蓬勃发展,两个值得关注的社区项目:
-
Obsidian同步插件:将Hoarder书签自动转换为Obsidian中的Markdown笔记,实现知识库的双向流动。
-
Hoarder's Pipette:类似Linkding-injector的浏览器扩展,在搜索引擎结果中直接显示Hoarder中的相关书签。
升级建议
对于Docker用户,建议通过标准的docker compose pull && docker compose up -d流程完成升级。新用户可以参考官方文档获取详细的安装指南。
总体而言,0.22.0版本在功能扩展和稳定性方面都有显著提升,特别是Webhook和SingleFile的支持为高级用户提供了更多可能性。开发团队继续保持快速的迭代节奏,值得知识管理领域的从业者持续关注。
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
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00