TinyEngine 2.5.0 版本发布:全面提升低代码开发体验
TinyEngine 是一个开源的云原生低代码开发平台,它通过可视化拖拽的方式帮助开发者快速构建 Web 应用。作为 OpenTiny 开源项目的一部分,TinyEngine 提供了从设计到部署的全流程解决方案,特别适合企业级应用的快速开发。
核心功能增强
物料系统优化
本次版本对物料系统进行了多项改进。首先,物料现在支持直接在配置中传入对象,这为开发者提供了更灵活的物料管理方式。其次,新增了物料刷新 API,使得开发者可以动态更新物料资源,而无需重启应用。这些改进显著提升了物料系统的可用性和灵活性。
对于 TinyVue 组件库,新增了 TinyTransfer 穿梭框组件,并优化了 TinyPopeditor 组件,增加了 auto-lookup 属性支持。这些组件增强使得开发者能够构建更丰富的交互界面。
多选操作支持
编辑器现在支持多节点操作,包括右键菜单和拖拽功能。开发者可以同时选中多个组件进行操作,大大提升了复杂布局的编辑效率。这一功能特别适合需要批量调整组件属性的场景。
预览体验升级
预览功能现在支持热更新,开发者修改代码后可以实时看到变化,无需手动刷新页面。同时,修复了父级页面包含区块时的预览错误问题,确保了预览效果与实际运行效果的一致性。
性能优化与稳定性提升
内存优化
针对大内存占用问题,画布 iframe 移除了 base64 编码方式,改用更高效的资源加载策略。这一改进显著降低了内存消耗,特别是在处理大型应用时效果更为明显。
错误修复与稳定性
本次版本修复了多个影响稳定性的问题,包括:
- 修复了清空画布后保存失败的 bug
- 解决了复制页面后无法切换到新页面的问题
- 修正了异步函数绑定事件时丢失 async 描述符的问题
- 优化了区块初始化逻辑,确保编辑区块能够正确生效
开发者体验改进
类型系统增强
对代码库进行了大规模的类型定义补充,包括 hooks、容器、画布操作、页面管理等多个模块。这些类型定义使得开发者在使用 TinyEngine API 时能够获得更好的类型提示和代码补全,降低了开发错误率。
配置优化
默认的 vite.config 模板现在包含了 base: './' 配置,解决了部分部署环境下的路径问题。同时优化了 CDN 本地化支持,确保在不同环境下都能正确加载资源。
AI 能力扩展
AI 功能新增了对 DeepSeek 模型的支持,扩展了代码生成的能力范围。同时优化了 AI 对话框的用户体验,不再强制要求填写 token,降低了使用门槛。
总结
TinyEngine 2.5.0 版本在功能、性能和开发者体验方面都有显著提升。物料系统的增强使得组件管理更加灵活,多选操作和预览热更新大幅提升了开发效率,而类型系统的完善则为开发者提供了更好的开发体验。这些改进使得 TinyEngine 成为一个更成熟、更易用的低代码开发平台,能够更好地满足企业级应用开发的需求。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00