Nocobase v1.6.22 版本发布:工作流增强与多项问题修复
Nocobase 是一个开源的低代码开发平台,它提供了强大的数据建模、界面构建和工作流设计能力,帮助开发者快速构建企业级应用。该平台采用插件化架构,支持灵活扩展,特别适合需要高度定制化的业务场景。
核心改进
工作流功能增强
本次版本对工作流模块进行了重要升级,新增了对日期类型变量的支持。这意味着开发者现在可以在工作流中使用日期类型的变量,为时间相关的自动化流程提供了更灵活的控制能力。例如,可以基于特定日期触发流程,或者在流程中使用日期计算功能。
工作流引擎还修复了子流程中定时任务执行时可能出现的错误,确保了复杂流程的稳定性。此外,自定义动作事件现在支持多记录模式执行,大幅提升了批量操作的效率。
文件管理器API开放
文件管理模块在此版本中开放了工具类API,为开发者提供了更底层的文件操作能力。这一改进使得开发者可以更灵活地实现自定义的文件处理逻辑,比如文件转换、校验等高级功能。
关键问题修复
客户端交互优化
-
移动端导航栏改进:修复了移动端顶部导航栏图标难以删除的问题,提升了移动端用户体验。
-
筛选条件处理:解决了外键关联后点击筛选导致条件为空的问题,确保了数据查询的准确性。
-
日期选择器切换:修复了筛选按钮中日期字段选择器切换的问题,使日期筛选更加稳定可靠。
-
菜单折叠按钮可见性:优化了左侧菜单折叠按钮在弹出窗口中的显示层级,确保操作不受遮挡。
-
联动规则约束:修复了重新打开联动规则时操作选项约束丢失的问题,保证了规则配置的完整性。
-
权限控制:修正了导出按钮在没有导出权限时仍然显示的问题,加强了系统的权限管理。
-
表单提交验证:优化了联动规则隐藏必填字段时的表单提交逻辑,确保隐藏的必填字段不会影响正常提交。
服务端与构建改进
-
迁移文件生成:修复了创建迁移时appVersion生成不正确的问题,确保了迁移文件的准确性。
-
构建过程:解决了tar命令执行时可能抛出的错误,使构建过程更加稳定。
-
文件存储:针对S3存储(Pro版)增加了服务器端上传的multer处理逻辑,提升了文件上传的可靠性。
开发者工具更新
create-nocobase-app工具在此版本中升级了依赖项并移除了对SQLite的支持。这一变化意味着开发者需要选择其他数据库作为Nocobase应用的存储后端,如MySQL或PostgreSQL等。这一决策可能是基于SQLite在生产环境中的局限性考虑,建议开发者在项目初期就规划好数据库选型。
总结
Nocobase v1.6.22版本在保持系统稳定性的同时,重点增强了工作流功能和文件管理能力。通过修复多个交互问题和权限控制缺陷,进一步提升了用户体验和系统安全性。对于开发者而言,新的API开放和工具改进为二次开发提供了更多可能性。建议现有用户及时升级以获取这些改进和修复,特别是在使用工作流和文件管理功能的场景下。
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