RuoYi-Vue-Pro工作流与数据权限整合中的审批人信息展示问题分析
问题背景
在RuoYi-Vue-Pro项目中,当系统启用了"仅本人数据"的数据权限控制后,工作流模块的"我的流程"页面出现了审批记录信息显示不全的问题。具体表现为审批人姓名和所属部门信息无法正常展示,这给流程跟踪和审计带来了不便。
问题现象
当用户配置了以下角色和权限时会出现该问题:
- 运营角色:配置"仅本人数据"的数据权限
- 主管角色:配置"所有数据"的数据权限
运营人员提交审批流程后,在"我的任务"页面查看时,审批记录中的审批人信息和审批人部门信息显示为空。
技术原理分析
该问题的根本原因在于RuoYi-Vue-Pro的数据权限拦截机制与工作流模块的查询逻辑存在冲突:
-
数据权限拦截机制:当用户配置了"仅本人数据"权限时,系统会在数据查询时自动添加过滤条件,限制只能查询用户自己的数据。
-
工作流查询逻辑:工作流模块在查询审批记录时,需要关联查询审批人的部门信息(dept表),这部分查询也被数据权限拦截机制影响。
-
结果集处理:由于数据权限的限制,查询审批人部门信息的SQL被添加了额外的过滤条件,导致无法获取到完整的审批人信息。
解决方案
项目维护团队已经修复了该问题,主要解决思路包括:
-
权限控制调整:对工作流相关的查询接口进行特殊处理,在需要展示审批人信息的场景下,适当放宽数据权限限制。
-
查询逻辑优化:重构审批记录的查询逻辑,确保在获取审批流程基本信息的同时,能够正确获取关联的审批人信息。
-
缓存机制应用:对于频繁查询的审批人基本信息,考虑使用缓存机制减少数据库查询压力,同时避免数据权限的影响。
最佳实践建议
对于企业级应用开发中类似问题的处理,建议:
-
权限设计原则:在设计数据权限时,需要考虑特殊业务场景的需求,为关键业务流程保留必要的查询权限。
-
模块解耦:工作流引擎与业务系统的权限体系应当适度解耦,避免严格的权限控制影响流程可视化。
-
日志审计:对于放宽权限的特殊查询,应当记录详细的审计日志,确保系统安全性不受影响。
-
测试覆盖:在实现数据权限功能后,需要对各业务模块进行全面的测试验证,确保不影响核心业务流程。
该问题的修复体现了RuoYi-Vue-Pro项目团队对系统稳定性和用户体验的持续优化,也为其他基于该框架开发的系统提供了有价值的参考案例。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00