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。
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