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。
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