TinyEngine 2.4.0-RC.0 版本发布:低代码开发平台的全面升级
TinyEngine 是一款面向企业级应用的低代码开发平台,它通过可视化拖拽的方式帮助开发者快速构建 Web 应用。作为 OpenTiny 开源项目的重要组成部分,TinyEngine 提供了从设计到部署的全流程解决方案,大幅提升了前端开发效率。
本次发布的 2.4.0-RC.0 版本带来了多项重要功能更新和问题修复,进一步提升了平台的稳定性、易用性和扩展性。下面我们将详细介绍这次更新的主要内容。
核心功能增强
API Token 支持
新版本引入了 API Token 功能,为开发者提供了更安全的接口调用方式。这一特性特别适合企业级应用场景,开发者可以生成专属 Token 来访问平台 API,而无需暴露账号密码。Token 机制还支持权限细粒度控制,可以根据不同需求为 Token 分配特定权限,有效提升系统安全性。
主题系统优化
主题功能得到了显著增强,主要体现在两个方面:首先优化了主题切换逻辑,使主题变更更加流畅;其次在 CLI 工具中新增了主题模板,开发者现在可以通过命令行快速创建自定义主题。这一改进使得平台的外观定制更加灵活,企业可以根据自身品牌风格轻松调整界面视觉效果。
大纲树功能强化
大纲树是 TinyEngine 的重要功能组件,新版本对其进行了多项改进:
- 新增节点删除功能,完善了树形结构的编辑能力
- 支持快捷键操作,提升了操作效率
- 实现了与画布操作的同步,使两种视图模式的操作体验更加一致
这些改进让开发者在大纲树视图下也能获得与画布操作相似的流畅体验,提高了复杂页面结构的编辑效率。
开发体验提升
ESLint TypeScript 支持
为了提升代码质量,新版本全面集成了 ESLint 对 TypeScript 的支持。开发团队不仅添加了相关规则配置,还修复了现有代码中的所有 ESLint 错误。这一改进使得 TypeScript 代码的静态检查更加严格,有助于在开发早期发现潜在问题,降低维护成本。
灵活布局插件
新增的灵活布局插件为页面设计提供了更多可能性。该插件支持响应式布局配置,开发者可以轻松创建适应不同屏幕尺寸的页面结构。这一特性特别适合需要支持多终端访问的应用场景。
CDN 源切换
考虑到国内开发者的网络环境,新版本增加了对 npmmirror CDN 的支持。这一改进显著提升了国内用户在安装依赖时的下载速度,解决了因网络问题导致的构建失败情况。
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关键问题:
-
数据源处理:修复了初始化设置 schema 时 datasourceMap 为空的问题,确保了数据源配置的可靠性。
-
画布操作:解决了子元素移动失效的问题,完善了拖拽交互体验。
-
国际化支持:修复了空文案在 i18n 场景下的异常处理,避免了出码阶段的错误。
-
组件生成:优化了物料生成逻辑,确保组件在不同代码片段中的正确引用。
-
样式处理:修复了 schema 压缩时丢失 CSS 字段的问题,保证了样式配置的完整性。
-
脚本面板:改进了脚本更新机制,解决了连续设置相同脚本时 UI 不更新的问题。
-
画布渲染:修复了滚动画布时悬浮框冻结的问题,提升了视觉反馈的准确性。
技术架构改进
在底层架构方面,本次更新也做了多项优化:
- 模块外部类名调整,提高了代码的可维护性
- 完善了依赖管理,确保 renderless 等核心依赖的正确引入
- 优化了构建配置,避免不必要的 CDN 类型设置影响子包构建
总结
TinyEngine 2.4.0-RC.0 版本通过新增 API Token、强化主题系统、完善大纲树功能等多项改进,进一步提升了低代码开发体验。同时,大量问题修复和稳定性优化使得平台更加可靠,适合企业级应用开发。
对于开发者而言,这个版本不仅提供了更多实用功能,还在代码质量、构建效率和国际化支持等方面做了全面加强。建议现有用户及时升级,以体验这些改进带来的开发效率提升。
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