Saleor Dashboard 3.21.1版本发布:扩展管理全面升级与UI一致性增强
Saleor是一个开源的电子商务平台,其Dashboard作为核心管理界面,为商家提供了商品管理、订单处理、客户服务等全方位功能。本次3.21.1版本的发布标志着Dashboard在扩展管理功能上实现了重大突破,同时持续推进UI一致性改进,为开发者和管理员带来了更高效、更直观的操作体验。
扩展管理功能全面升级
本次版本最显著的改进是对扩展管理模块的全面重构。Saleor Dashboard现在将所有扩展类型——包括Apps、Plugins和Custom Apps(webhooks)——统一整合到"Installed Extensions"页面中展示。这种一体化的管理方式消除了以往需要在不同模块间切换的繁琐操作,大大提升了管理效率。
在自定义应用创建流程方面,Dashboard引入了全新的多步骤向导式界面。管理员现在可以更直观地完成命名、权限设置、webhook配置和令牌生成等操作。特别值得注意的是,通过manifest URL安装应用的流程也得到了简化,权限确认环节被整合到单一操作步骤中,减少了安装过程中的交互次数。
错误处理机制也获得了显著增强。当扩展安装过程中出现问题时,系统会提供包含错误代码的详细反馈信息,并直接关联到相关文档,帮助管理员快速定位和解决问题。这些改进使得扩展管理变得更加可靠和用户友好。
应用动作扩展能力
3.21.1版本引入了一个极具创新性的功能:允许第三方应用在核心管理界面中添加自定义操作按钮。这意味着开发者现在可以将应用特定功能(如"打印运输标签"、"发送到CRM系统"等)直接嵌入到Customers、Products和Orders等核心数据管理页面中。
这项功能通过扩展点机制实现,为Saleor生态系统的集成能力开辟了新的可能性。商家无需离开核心管理界面就能访问各种增值服务,大幅提升了工作流程的连贯性和操作效率。
UI一致性持续改进
作为长期UI现代化计划的一部分,3.21.1版本继续推进了整个Dashboard界面的视觉统一工作。多项核心组件获得了更新:
- 表单控件(复选框、开关、单选按钮)在属性编辑、渠道分配和退款处理等模块中采用了新的设计语言
- 扩展管理界面采用了更清晰的两栏布局,特别是在大屏幕设备上,权限管理变得更加直观
- 产品类型详情和模型类型视图等数据展示页面获得了视觉刷新,与整体设计风格保持统一
这些改进不仅提升了视觉美观度,更重要的是增强了用户的操作一致性和可预测性。
实用功能增强
除了上述重大改进外,3.21.1版本还包含多项实用功能增强:
- 在订单和草稿订单的履行列表中新增了"渠道"列,方便多渠道商家快速识别订单来源
- 搜索栏交互得到优化,点击图标或边框区域即可直接聚焦输入框
- Webhook交付信息展示更加清晰,未尝试的交付记录会被自动过滤
- 令牌复制操作增加了视觉反馈,确保敏感信息处理的可控性
问题修复与稳定性提升
版本修复了若干影响用户体验的问题,包括:
- 插件状态指示器颜色实时更新问题
- 传统自定义应用视图中的图标样式不一致问题
- 本地应用详情页的导航逻辑问题
- 应用动作按钮的可靠性问题
这些修复进一步提升了Dashboard的稳定性和可靠性。
总结
Saleor Dashboard 3.21.1版本通过扩展管理功能的全面重构、应用动作扩展能力的引入以及UI一致性的持续推进,为电子商务管理者提供了更加强大、统一的操作体验。这些改进不仅提升了日常管理效率,也为Saleor生态系统的扩展能力开辟了新的可能性,展现了该项目持续创新、追求卓越的技术理念。
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