Kolibri 0.18.0版本发布:教育平台教练功能全面升级
Kolibri是一个开源的教育技术平台,旨在为资源受限环境下的学习者提供高质量的数字化学习体验。作为一个完整的离线学习解决方案,Kolibri允许教育工作者在没有稳定互联网连接的地区部署和使用丰富的教育内容。最新发布的0.18.0版本重点改进了教练(Coach)功能,使教育工作者能够更高效地创建课程和测验。
教练功能全面革新
0.18.0版本对Kolibri的教练体验进行了重大改进,核心目标是帮助教育工作者更轻松地找到创建课程和测验所需的材料。新版本引入了基于元数据的筛选功能,教练现在可以根据活动类型(视频、音频、阅读材料)、语言、难度级别、类别(学校科目、职业材料)等多种标准来过滤内容。通过组合使用这些筛选条件,教练能够快速定位到特定且相关的教学资源。
关键功能更新
元数据筛选系统
新版Kolibri为教练提供了强大的元数据筛选能力。在创建课程和测验时,教练可以利用以下筛选维度:
- 活动类型:区分视频、音频、阅读材料等不同形式的内容
- 语言:按内容语言进行筛选
- 难度级别:根据学习者的水平选择合适难度的材料
- 类别:按学校科目或职业培训材料分类
这种精细化的筛选机制显著提升了资源查找效率,使教练能够快速构建针对性的教学方案。
导航结构优化
Kolibri 0.18.0重新设计了教练界面的导航结构,将页面围绕"课程"和"测验"两大核心功能进行组织,取代了原有的"报告"和"计划"分类方式。这种调整使教育工作者能够更直观地找到相关功能页面,同时部分页面还增加了额外的信息展示和交互元素。
测验创建流程改进
新版本提供了更灵活的测验创建选项:
- 自动生成测验:系统可以根据选定的练习自动创建测验
- 手动选题:教练可以从可用资源中挑选特定问题
此外,教练现在可以控制测验报告对学习者的可见时间,增加了教学管理的灵活性。
技术架构升级
在技术层面,0.18.0版本对教练插件页面进行了重构,以支持新的导航结构。路由系统采用了嵌套路由设计,并在课程页面实现了侧边栏风格的用户体验。同时升级了Kolibri设计系统(KDS),修复了多个错误并引入了新的KCard组件。
开发者相关更新
JS公共API重大变更
0.18.0版本对Kolibri的JS公共API进行了重大调整:
- 移除了大量原有的JS公共API,仅保留TaskResource作为公开资源
- 所有未明确标记为"public"的API端点均被视为内部接口,不再提供支持
- 原有公共代码已被删除或移至未发布的kolibri-common包中
开发者如需继续使用这些功能,建议自行维护修改后的版本。
技术栈升级
Kolibri 0.18.0完成了多项技术栈升级:
- 升级至Vue 2.7版本
- 支持Python 3.13
- 将代码检查工具(linting)独立为单独包
这些升级为开发者提供了更现代的开发环境和工具链。
内容渲染器改进
新版本对内容渲染器进行了多项更新和修复:
- 新增Bloom播放器支持
- 自动更新H5P内容
- 修复了H5P资源在所有问题都回答正确时不显示完成状态的问题
- 增加了对Perseus图形渲染的支持
这些改进提升了Kolibri对不同类型教育内容的兼容性和呈现效果。
系统架构优化
0.18.0版本包含多项底层架构改进:
- 新增文件存储选项
- 允许通过环境变量启用/禁用/应用插件
- 支持将Studio URL创建为网络位置
- 实现了任务轮询组合功能
- 增强了内容安全策略(CSP)的兼容性
这些改进增强了Kolibri的灵活性和安全性,为系统管理员提供了更多配置选项。
总结
Kolibri 0.18.0版本通过全面改进教练功能,显著提升了教育工作者创建和管理课程、测验的效率。新引入的元数据筛选系统和优化的用户界面使资源查找更加便捷,而技术架构的升级则为系统的长期发展奠定了更坚实的基础。对于教育工作者而言,这个版本提供了更强大的教学工具;对于开发者而言,则带来了更现代的代码架构和开发体验。这些改进共同推动Kolibri向着成为更完善的教育技术平台迈进。
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