Better Auth 1.2.5版本发布:增强认证安全性与功能扩展
Better Auth是一个现代化的身份认证解决方案,它提供了完整的用户认证流程管理,包括注册、登录、密码重置、社交账号集成等功能。该项目采用模块化设计,支持多种认证协议和自定义扩展,适用于各类Web和移动应用的身份认证需求。
核心功能增强
本次1.2.5版本带来了多项重要功能升级,显著提升了系统的灵活性和安全性:
-
邮件验证回调机制
新增了onEmailVerification回调功能,开发者现在可以在用户完成邮箱验证后执行自定义逻辑。这一改进使得在验证流程中可以无缝集成后续业务操作,如发送欢迎邮件或初始化用户资料。 -
路径禁用功能
引入了禁用特定路径的能力,系统管理员可以灵活控制哪些认证端点应该被禁用。这在需要临时关闭某些功能或进行系统维护时特别有用。 -
刷新令牌端点
新增了专门的刷新令牌端点,优化了令牌管理流程。客户端应用现在可以更规范地获取新的访问令牌,而无需重新进行完整的认证流程。 -
账户解绑策略
在账户管理模块中增加了允许解绑所有关联账户的选项。这一功能为多账户集成场景提供了更灵活的账户管理能力,同时保持了必要的安全控制。 -
管理员API增强
服务器端API现在支持在没有管理员会话的情况下创建用户,这一改进简化了自动化用户管理流程,特别适合批量用户导入场景。 -
OIDC声明扩展
OpenID Connect协议现在支持传递额外的用户声明,开发者可以在认证响应中包含更多自定义用户信息,满足复杂的业务集成需求。
关键问题修复
本次版本修复了多个影响系统稳定性和用户体验的问题:
-
URL处理改进
修复了回调URL中加号(+)处理不当的问题,确保特殊字符在URL传递过程中能够被正确解析。 -
类型系统增强
解决了OpenAPI类型定义和引用中的多个问题,改进了TypeScript类型推断的准确性,特别是修复了可能导致"cannot be named without reference"错误的类型定义。 -
会话管理优化
改进了会话cookie的处理逻辑,现在会同时检查安全和非安全cookie,并正确读取配置覆盖,提高了在不同环境下的兼容性。 -
运行时兼容性
优化了运行时类型检查机制,不再依赖instanceof操作符,提高了在特殊JavaScript环境中的兼容性。 -
验证流程改进
修复了邮箱验证后会话未及时刷新的问题,确保用户状态能够立即反映验证结果。 -
用户ID处理
增加了对数字型用户ID的支持,扩展了系统与不同类型数据库的兼容性。 -
社交登录控制
修复了社交登录时未正确遵守禁用注册设置的问题,确保系统配置能够被严格执行。 -
密码重置可靠性
优化了密码重置流程,现在只有在数据库操作成功后才删除验证令牌,避免了因操作失败导致令牌丢失的情况。
模块专项改进
组织管理模块
- 修复了活跃组织设置后会话未刷新的问题
- 解决了成员列表类型推断错误
- 修正了组织成员数量限制的错误处理
速率限制模块
- 增加了对缺失IP地址情况的处理
- 修复了自定义限速表名导致的数据库查询问题
Stripe集成
- 扩展了计划检索功能,现在支持通过年度折扣价格ID查找订阅计划
用户名处理
- 更新了用户名验证规则,现在允许在用户名中使用点号(.)
总结
Better Auth 1.2.5版本通过一系列功能增强和问题修复,显著提升了系统的稳定性、安全性和灵活性。新引入的邮件验证回调、路径禁用和刷新令牌端点等功能为开发者提供了更强大的集成能力,而多项关键问题的修复则确保了系统在各种场景下的可靠运行。这些改进使得Better Auth继续保持着作为现代化身份认证解决方案的领先地位。
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