Ever Gauzy 1.9.15版本发布:国际化插件市场与工作流自动化增强
Ever Gauzy作为一个开源的企业管理平台,集成了CRM、项目管理、人力资源管理和财务管理等多种功能。最新发布的1.9.15版本带来了多项重要更新,特别是在插件市场国际化和工作流自动化方面有了显著提升。
国际化插件市场支持
本次更新最引人注目的特性之一是对插件市场的国际化支持。开发团队为插件市场添加了多语言能力,使得不同地区的用户都能以本地化语言浏览和使用各类插件。这一改进不仅提升了用户体验,也为插件的全球推广奠定了基础。
技术实现上,团队采用了现代化的国际化方案,确保插件描述、配置界面等元素能够根据用户语言设置动态切换。这种设计既保持了开发效率,又提供了良好的本地化体验。
工作流自动化增强
在自动化工作流方面,1.9.15版本带来了多项改进:
-
Make.com插件OAuth流程实现:开发团队完成了Make.com插件的OAuth授权流程集成,使用户能够更安全、便捷地连接Make.com服务。这一改进简化了配置过程,提高了系统安全性。
-
动态下拉菜单优化:对工作流配置界面中的下拉菜单进行了改进,使其能够根据上下文动态加载选项,提升了配置效率和准确性。
-
Webhook轮询URL设置:新增了Webhook轮询URL的配置选项,为需要轮询模式集成的场景提供了更好的支持。
员工行为分析功能
新版本引入了员工近期访问记录实体(Employee recent visits entity),为企业提供了员工系统使用情况的可视化能力。这一功能可以帮助管理者了解员工的工作模式,优化工作流程。
同时,团队还改进了时间槽(TimeSlot)和时间槽分钟(TimeSlotMinute)实体结构,为更精细的时间追踪和分析打下了基础。
监控与分析能力提升
1.9.15版本集成了PostHog分析插件,为企业提供了强大的用户行为分析工具。PostHog的开源特性与Ever Gauzy完美契合,使企业能够在不依赖第三方服务的情况下获得专业级的分析能力。
此外,团队还移除了旧的性能分析模块(Profiling/Trace Module),转而采用更现代的监控方案,提升了系统性能监控的准确性和效率。
技术架构升级
在技术架构方面,本次更新包含了多项重要改进:
- 支持Angular v19和Nx v20.8.0,保持前端技术栈的先进性
- 升级至NestJS v11,利用其最新特性提升后端性能
- 优化Docker构建流程,提高部署效率
- 改进SQLite数据库迁移脚本,确保数据一致性
- 重构导入/导出服务,提升数据处理能力
安全与稳定性改进
安全方面,团队解决了多个依赖项的安全问题,包括Formidable库的更新。同时,优化了权限控制系统,新增了摄像头访问权限管理,增强了系统安全性。
稳定性方面,修复了多个构建问题,包括Webpack配置优化和包版本冲突解决,确保系统在各种环境下的稳定运行。
总结
Ever Gauzy 1.9.15版本在功能丰富性、用户体验和技术架构等多个维度都有显著提升。特别是插件市场国际化和工作流自动化方面的改进,使平台更加适合全球化企业的需求。这些更新体现了开发团队对产品质量的持续追求和对用户需求的深入理解,为企业的数字化转型提供了更加强大的工具支持。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0198
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0129
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python08
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07