Nocobase v1.6.26 版本发布:增强区块功能与修复关键问题
Nocobase 是一款开源的、面向开发者的低代码开发平台,它通过提供丰富的区块组件和可视化配置能力,帮助开发者快速构建企业级应用。本次发布的 v1.6.26 版本主要围绕区块功能的增强和多个关键问题的修复展开,进一步提升了平台的稳定性和用户体验。
核心功能增强
Iframe 区块支持 allow 属性配置
在本次更新中,iframe 区块获得了更强大的安全控制能力。开发者现在可以为 iframe 配置 allow 属性,这一特性对于需要嵌入第三方内容的应用场景尤为重要。通过 allow 属性,开发者可以精确控制 iframe 中可以使用的浏览器特性,如摄像头、麦克风、全屏等权限,从而在提供丰富功能的同时确保应用的安全性。
模板打印支持 Select 选项的标签值对
模板打印功能得到了重要增强,现在支持处理包含标签值对({ label, value })的 Select 选项。这一改进使得在打印模板中能够更准确地显示下拉选择框的内容,而不仅仅是存储的值。对于需要生成报表或导出数据的业务场景,这一功能显著提升了数据的可读性和专业性。
关键问题修复
客户端体验优化
-
嵌套子页面区块列表显示问题:修复了在嵌套子页面中,鼠标悬停在"添加区块"按钮上时区块列表不显示的问题,提升了区块管理的便捷性。
-
过滤器表单关联字段配置:解决了当过滤器表单中的关联字段组件变更为数据选择器时,缺少"允许多选"配置项的问题,增强了表单配置的灵活性。
-
表单验证消息重复显示:修复了表单字段违反验证规则时显示多条错误消息的问题,使错误提示更加清晰准确。
-
子表单联动规则配置:解决了子表格内子表单(弹窗形式)配置联动规则时的问题,确保了复杂表单场景下的数据一致性。
-
一对多字段筛选问题:修复了一对多字段的子字段无法被选为过滤器表单中筛选选项的问题,扩展了数据筛选的能力范围。
-
子表格分页样式:修正了只读模式下子表格分页栏的样式问题,提升了界面的一致性。
-
表格选择器样式异常:解决了过滤器表单中表格选择器的样式异常问题,优化了视觉体验。
数据库层改进
-
MariaDB 下的关联加载问题:修复了在 MariaDB 数据库中,当外键为 bigInt 类型时,belongs-to 关联无法在 appends 中正确加载的问题,增强了数据库兼容性。
-
测试用例修正:对现有测试用例进行了调整和完善,提高了代码质量保证。
其他重要修复
-
附件(URL)字段联动规则:明确了附件(URL)字段在联动规则中不应允许值配置,避免了潜在的数据不一致问题。
-
工作流自定义动作事件:解决了由自定义动作事件触发的工作流动作联动问题,确保了业务流程的顺畅执行。
技术价值与影响
本次更新从多个维度提升了 Nocobase 平台的稳定性和功能性。特别是 iframe 区块的安全增强和模板打印功能的完善,为开发者构建复杂企业应用提供了更强大的工具。数据库层的改进则进一步提升了系统在不同环境下的兼容性和可靠性。
对于使用 Nocobase 进行应用开发的团队来说,这些修复和增强意味着更少的开发阻碍和更高的生产效率。表单验证、子表格、过滤器等核心组件的优化,直接提升了最终用户的操作体验,而工作流和联动规则的修复则确保了业务流程的准确执行。
作为持续迭代的一部分,v1.6.26 版本体现了 Nocobase 团队对产品质量和开发者体验的持续关注,为构建更复杂、更可靠的企业应用奠定了坚实基础。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C090
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python058
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00