返回列表
Cal.diy 发布:Cal.com 推出完全开源的社区版,移除所有企业级闭源功能
开源项目开源软件自托管调度工具

Cal.diy 发布:Cal.com 推出完全开源的社区版,移除所有企业级闭源功能

Cal.com 官方推出了名为 Cal.diy 的开源社区版本。该版本是 Cal.com 的分支,旨在为个人用户和自托管爱好者提供一个 100% 遵循 MIT 协议的调度平台。Cal.diy 移除了所有企业级和商业化代码,无需许可证密钥即可运行。官方提醒该版本仅限个人及非生产环境使用,且需要用户具备高级的服务器管理与数据库维护能力。

Hacker News

核心要点

  • 完全开源:Cal.diy 采用 100% MIT 开源协议,移除了 Cal.com 原有的所有专有企业版功能。
  • 无商业依赖:无需许可证密钥或 Cal.com 账户,所有功能开箱即用,适合追求完全控制权的自托管用户。
  • 定位明确:官方严格建议仅用于个人及非生产用途,商业或企业需求仍需使用 Cal.com 商业版。
  • 技术栈:基于 Next.js、tRPC、React.js、Tailwind CSS、Prisma.io 和 Daily.co 构建。

详细分析

纯粹的开源分支:Cal.diy 与 Cal.com 的区别

Cal.diy 是从 Cal.com 派生出的社区驱动版本。其核心差异在于彻底去除了“开放核心(Open Core)”模式中的商业部分。具体而言,Cal.diy 移除了包括团队(Teams)、组织(Organizations)、洞察(Insights)、工作流(Workflows)以及 SSO/SAML 在内的所有企业级功能。这意味着用户获得的是一个精简且完全透明的代码库,不再受限于任何商业授权条款。

自托管的挑战与要求

由于 Cal.diy 不提供任何官方托管或管理服务,用户必须在自己的基础设施上运行该项目。官方在文档中发出了明确警告:自托管 Cal.diy 需要具备服务器管理、数据库管理以及敏感数据安全保护方面的高级知识。用户需要自行承担安装、配置及维护过程中的所有风险。对于希望获得稳定、企业级调度基础设施的用户,官方建议通过 Cal.com 的销售渠道获取托管服务或本地部署支持。

社区驱动的开发模式

Cal.diy 强调社区维护和贡献。由于它不再包含任何闭源的“企业版”代码,所有的功能改进和漏洞修复都将直接进入这个开源项目。这种模式为那些希望在不依赖特定供应商的情况下构建调度工具的开发者提供了极大的灵活性。目前,该项目已在 GitHub 上开放了讨论区和议题追踪,鼓励社区成员积极参与贡献。

行业影响

Cal.diy 的发布标志着开源调度工具领域的一个重要转变。通过提供一个完全去除商业限制的 MIT 协议版本,Cal.com 实际上在个人开发者和企业级用户之间划清了界限。这不仅降低了个人用户使用高级调度工具的门槛,也为开源社区提供了一个纯粹的、无厂商锁定的技术底座。对于 AI 调度集成或定制化开发需求,这种完全透明的代码库将极大地便利开发者的二次开发。

常见问题

问题 1:Cal.diy 是否可以用于商业生产环境?

根据官方说明,Cal.diy 严格建议仅用于个人和非生产用途。对于任何商业和企业就绪的调度需求,官方推荐使用 Cal.com 托管版或企业版。

问题 2:运行 Cal.diy 需要哪些技术环境?

运行 Cal.diy 需要 Node.js(版本 >= 18.x)、PostgreSQL(版本 >= 13.x),并推荐使用 Yarn 作为包管理工具。

问题 3:Cal.diy 包含 Cal.com 的所有功能吗?

不包含。Cal.diy 移除了所有企业版(EE)独有的功能,如团队管理、组织架构、工作流自动化和 SSO 登录等,它专注于提供核心的调度功能。

相关新闻

美团正式开源 LongCat-Video-Avatar 1.5:从高拟真迈向商业级应用的数字人视频模型
开源项目

美团正式开源 LongCat-Video-Avatar 1.5:从高拟真迈向商业级应用的数字人视频模型

美团技术团队宣布开源 LongCat-Video-Avatar 1.5,这是一款标志着数字人视频技术从 SOTA 研究迈向商业级应用的重要模型。该版本在唇形同步、物理合理性、长视频稳定性、多人互动及推理效率五大核心维度实现了全面突破,旨在解决复杂商业场景下的高质量内容输出难题,推动数字人视频生成走向真实应用舞台。

美团开源LongCat-Flash-Prover:推动AI从数值计算迈向严谨数学定理证明
开源项目

美团开源LongCat-Flash-Prover:推动AI从数值计算迈向严谨数学定理证明

美团技术团队正式开源专门用于数学形式化与定理证明的模型——LongCat-Flash-Prover。该模型旨在解决AI在复杂推理中逻辑链条不严谨的问题,强调数学证明不仅要“算得对”,更要“证得严”。通过攻克自然语言的模糊性挑战,LongCat-Flash-Prover实现了从“猜答案”到“严谨证明”的跨越,为AI处理极度严苛的逻辑推理课题提供了新的解决方案。

美团发布原生多模态 LongCat-Next:当视觉和语音成为AI的母语
开源项目

美团发布原生多模态 LongCat-Next:当视觉和语音成为AI的母语

美团技术团队正式发布并开源原生多模态模型 LongCat-Next 及其核心离散分词器。该模型代表了美团在“物理世界 AI”领域的深度探索,通过将视觉和语音信息作为原生语言进行处理,旨在打破模态间的隔阂。此次开源不仅提供了模型架构,还开放了关键的分词技术,旨在赋能开发者构建能够感知、理解并直接作用于真实物理世界的智能系统,标志着多模态 AI 从简单的图文理解向复杂的环境交互迈进。