Nocobase v1.7.0-beta.32版本发布:多关键词过滤与批量打印功能升级
Nocobase是一个开源的、面向开发者的低代码开发平台,它提供了丰富的功能模块和灵活的扩展能力,帮助开发者快速构建企业级应用。本次发布的v1.7.0-beta.32版本带来了多项功能增强和问题修复,特别是在数据过滤和打印功能方面有了显著改进。
核心功能更新
单行文本字段多关键词过滤
在这个版本中,Nocobase对单行文本字段的过滤功能进行了重要升级。现在用户可以在单个文本字段中输入多个关键词进行组合过滤,这大大提高了数据查询的灵活性和精确度。例如,在用户管理模块中,管理员可以同时输入"北京"和"销售"两个关键词,快速筛选出位于北京且属于销售部门的员工记录。
这项功能的实现采用了智能分词技术,系统会自动识别用户输入中的多个关键词(通常以空格分隔),并在后台构建复合查询条件。这种设计既保持了用户界面的简洁性,又提供了强大的查询能力。
模板批量打印支持
模板打印功能新增了批量处理能力,这是对原有单条记录打印功能的重要扩展。在企业应用中,经常需要批量打印合同、发票或报表等文档,新功能可以显著提高这类场景的工作效率。
批量打印的实现考虑了性能优化和内存管理,特别是在处理大量数据时,系统会采用分批次处理策略,避免因数据量过大导致的内存溢出问题。同时,打印任务队列管理确保了多个打印请求的有序执行。
工作流与审批功能优化
工作流模块在本版本中获得了多项改进,特别是审批节点的分配逻辑更加完善。新增的"委托"和"添加其他审批人"功能使得审批流程更加灵活,能够适应更复杂的业务场景。
审批范围控制也得到了增强,系统现在能够更精确地识别和处理审批人的权限范围,确保审批流程既安全又高效。这些改进特别适合大型组织中跨部门协作的场景。
数据关联与表单处理改进
在数据关联处理方面,本次更新修复了几个关键问题:
-
级联组件在模态框中初始化时无法加载关联数据的问题已解决,现在关联数据能够正确显示和选择。
-
子表单中暴露的关联字段提交问题得到修复,确保了关联数据的完整性和一致性。
-
关联选择记录表的过滤逻辑优化,现在能够正确排除已关联的记录,避免重复关联。
这些改进使得Nocobase在复杂数据关系的处理上更加可靠,特别是在一对多、多对多等关联场景下表现更佳。
其他重要修复与优化
-
数据库导入功能增强了对空字符串单元格的处理,避免了因空值导致的导入错误。
-
文件管理器的类型定义更加完善,提高了代码的健壮性和开发体验。
-
工作流堆栈限制逻辑优化,解决了集合事件处理中的潜在问题。
-
AI集成配置页面切换时的内容显示问题已修复,提升了配置体验。
-
操作面板现在能够正确读取路由基础路径,更好地适应桌面环境。
总结
Nocobase v1.7.0-beta.32版本在功能完善和问题修复方面取得了显著进展,特别是多关键词过滤和批量打印功能的加入,使得平台在数据处理和输出能力上更加强大。工作流和审批功能的持续优化也体现了Nocobase在企业流程自动化方面的专注。这些改进共同提升了平台的稳定性、易用性和适用性,为开发者构建复杂业务系统提供了更坚实的基础。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-7BSpark-Prover-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-7BSpark-Formalizer-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00