Erupt框架1.12.17版本发布:企业级低代码平台的全面升级
项目简介
Erupt是一款面向企业级应用开发的高效低代码框架,它通过注解驱动的方式极大简化了后台管理系统的开发流程。作为一款全栈式解决方案,Erupt提供了从数据模型定义到前端界面生成的一整套工具链,使开发者能够专注于业务逻辑而非重复性编码工作。
核心功能增强
1. 事件驱动架构升级
本次版本引入了完善的事件处理机制,开发者现在可以处理系统中任意实体(包括系统类和第三方类)的增删改事件。这一特性为系统解耦提供了强大支持,例如:
@EventHandler
public void handleUserCreate(User user) {
// 用户创建后的处理逻辑
log.info("新用户注册: {}", user.getUsername());
// 发送欢迎邮件等后续操作
}
这种事件驱动模式特别适合需要异步处理的业务场景,如审计日志、数据同步等。
2. Excel导入功能全面优化
针对企业应用中常见的Excel数据导入需求,1.12.17版本做出了多项改进:
- 数据类型智能处理:当单元格类型为数值而目标字段为字符串时,自动去除".0"后缀
- 导入策略可定制化:支持开发者灵活控制导入行为(仅插入、仅更新或混合模式)
- 稳定性提升:修复了因commons-io版本冲突导致的导入异常问题
这些改进使得数据迁移和批量操作更加可靠高效。
3. 分布式部署支持
新增的erupt-cloud-server Docker镜像极大简化了分布式环境部署流程。开发者现在可以通过简单的Docker命令快速搭建集群环境:
docker run -d -p 8080:8080 erupts/erupt-cloud-server:1.12.17
这一特性对于需要高可用架构的企业级应用尤为重要。
前端体验优化
1. 按钮组折叠功能
针对管理后台常见的按钮过多问题,新增了按钮折叠功能。通过简单的注解配置即可实现:
@Erupt(
button = @Button(
fold = true // 启用折叠
)
)
这种设计既保持了界面整洁,又不失功能完整性。
2. 跨平台样式统一
统一了Windows和Mac平台的滚动条样式,采用现代化的Mac风格设计,提升了视觉一致性。这种细节优化虽然微小,却能显著提升用户体验。
扩展能力提升
1. 注解扩展机制
创新的自定义UI注解功能突破了传统注解的限制,开发者现在可以将任意注解信息传递给前端:
@CustomAnnotation("special-flag")
private String customField;
前端可以通过API获取这些自定义标记,实现高度灵活的界面定制。
2. WebSocket实时通信
新开源的erupt-websocket模块为系统添加了实时通信能力,典型应用场景包括:
- 异步任务进度通知
- 系统提醒实时推送
- 多人协作场景的状态同步
WebSocketEmitter.emit("user-123", "alert('任务完成!')");
多租户增强
erupt-tenant模块现在全面支持BI报表功能,并新增了基于域名的租户识别能力。企业可以通过不同域名自动切换:
- 系统标题和图标
- 国际化语言设置
- 个性化水印信息
这一特性为SaaS应用提供了更完善的多租户支持。
总结
Erupt 1.12.17版本在稳定性、扩展性和用户体验三个维度都做出了显著提升。从底层的事件驱动架构到前端的交互细节,从单体部署到分布式支持,这个版本为企业级应用开发提供了更加强大和灵活的工具集。特别是注解扩展和WebSocket模块的开源,为框架的二次开发开辟了新的可能性,体现了Erupt项目持续创新的发展理念。
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