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。
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