Amplication 3.10.0版本发布:资源创建流程优化与设计系统增强
Amplication是一个开源的开发平台,它能够帮助开发者快速生成Node.js应用程序的后端代码。通过可视化界面和自动化工具,Amplication极大地简化了从数据库模型设计到API生成的整个开发流程。本次3.10.0版本的发布,主要聚焦于改善资源创建流程和增强设计系统的交互体验。
资源创建流程的全面优化
本次更新对资源创建流程进行了多方面的改进。首先,将新建资源表单移到了项目上下文中,这样可以直接访问权限设置,使得权限管理更加直观和方便。当用户选择不同的项目时,系统会自动重置模板选择,避免了之前版本中可能出现的模板与项目不匹配的问题。
另一个重要的改进是关于模板显示的优化。现在系统不会显示被禁用的模板,包括蓝图中的禁用模板也不会显示,这减少了用户的困惑,使界面更加清晰。同时,更新了相关变更的名称,使其更加语义化,便于开发者理解和使用。
设计系统交互体验提升
Amplication的设计系统在本版本中也得到了显著增强。标签(Tags)和选择面板(Select Panel)组件进行了改进,提供了更好的用户体验。特别是过滤器的自动打开功能,当用户添加过滤器时,系统会自动展开过滤面板,减少了用户的操作步骤。
选择面板的标签显示和初始打开状态也得到了优化,使得界面更加直观。这些看似微小的改进实际上大大提升了用户的操作效率,特别是在频繁使用过滤和选择功能的场景下。
缓存与数据一致性的改进
在数据管理方面,本次更新改进了缓存更新机制,确保在资源创建和修改后,界面能够及时反映最新的数据状态。同时修复了用户实体删除相关的问题,增强了系统的稳定性。
总结
Amplication 3.10.0版本通过优化资源创建流程、增强设计系统组件和改善数据管理机制,为用户提供了更加流畅和高效的开发体验。这些改进不仅提升了现有功能的易用性,也为后续的功能扩展奠定了良好的基础。对于使用Amplication进行快速应用开发的团队来说,升级到这个版本将能够获得更优质的使用体验。
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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