JetLinks社区版2.3.0发布:物联网平台功能增强与稳定性提升
JetLinks作为一款开源的物联网平台,专注于为开发者提供高效、稳定的设备连接与管理能力。本次发布的2.3.0版本在功能完善和问题修复方面做出了重要改进,进一步提升了平台的可靠性和用户体验。
核心功能优化
产品管理改进
在产品管理模块中,修复了产品启用时重复触发DeviceProductDeployEvent事件的问题。这一改进确保了产品状态变更时事件触发的准确性,避免了不必要的资源消耗和潜在的业务逻辑错误。
关系配置增强
关系配置功能新增了反转关系名称字段,这一改进使得设备间关系的定义更加灵活和全面。开发者现在可以更清晰地定义和管理设备间的双向关系,为复杂场景下的设备交互提供了更好的支持。
设备数据查询能力提升
在设备管理方面,2.3.0版本新增了在reactorQL中获取设备属性上报时间的功能。这一特性为数据分析场景提供了更丰富的时间维度信息,使得时序数据分析更加便捷和准确。
存储与数据处理优化
TDengine集成改进
针对TDengine数据库的集成进行了多项优化:
- 修复了无模式写入创建表时缺失messageId列的问题,确保了数据存储的完整性
- 优化了排序逻辑,提升了查询性能和数据检索效率
这些改进使得JetLinks平台在使用TDengine作为时序数据库时更加稳定可靠,能够更好地处理海量设备数据。
场景联动功能增强
场景联动模块是本版本的重点改进领域之一:
- 新增了设备数据执行动作,丰富了自动化场景下的执行能力
- 扩展了数组条件支持,使得条件判断更加灵活
- 优化了国际化支持,为多语言环境下的使用提供了更好的体验
这些改进使得场景联动功能更加强大和易用,能够满足更复杂的业务自动化需求。
基础架构与稳定性提升
命令模式支持
基础模块新增了对命令模式的支持,这一架构上的改进使得平台的行为扩展更加灵活,为未来的功能扩展奠定了更好的基础。
阿里云语音服务优化
修复了阿里云语音仅拨打一个用户号码的问题,确保了语音通知功能的完整性和可靠性。
Docker支持改进
对Docker镜像配置进行了多项优化:
- 更新了镜像版本,确保使用最新的稳定组件
- 修复了文件路径挂载错误,提升了容器化部署的可靠性
安全更新
平台更新了多个依赖组件版本,包括:
- 将Elasticsearch从7.17.13升级到7.17.23,修复了已知的问题
- 将commons-io从2.11.0升级到2.15.1,提升了IO操作的稳定性和安全性
这些安全更新确保了平台运行环境的稳定性,降低了潜在的风险。
总结
JetLinks社区版2.3.0版本在功能、性能和稳定性方面都做出了显著改进。从产品管理到场景联动,从数据存储到基础架构,多项优化共同提升了平台的整体质量。这些改进不仅解决了已知问题,还引入了新的能力,为物联网应用的开发和运维提供了更强大的支持。对于现有用户来说,升级到2.3.0版本将获得更稳定、更高效的平台体验;对于新用户而言,这个版本提供了更完善的物联网平台解决方案。
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