Platform项目v0.6.482版本发布:工作区管理与协作功能全面升级
Platform项目是一个面向企业协作与管理的开源平台,提供了包括工作区管理、任务协作、会议安排等在内的多种功能模块。该项目采用现代化的技术架构,支持灵活的扩展和定制,能够满足不同规模企业的协作需求。
工作区选择器优化
本次版本对工作区选择器进行了重要改进,隐藏了区域显示功能。这一改动使得工作区选择界面更加简洁,减少了用户在选择工作区时的干扰信息。对于大型企业或拥有多个区域部署的用户来说,这一优化能够显著提升操作效率。
组织数据导出功能增强
新版本为组织数据提供了导出功能支持。开发团队实现了组织结构的完整导出能力,包括部门、成员及相关属性信息。该功能采用标准格式输出,便于与其他系统进行数据交换或备份。导出过程经过优化,能够处理大规模组织数据而不影响系统性能。
测试项目管理权限调整
针对测试环境的管理需求,本次更新放宽了测试项目的编辑权限。现在管理员可以更灵活地配置测试项目,包括修改项目属性和结构调整。这一改变特别适合需要频繁修改测试数据的开发和质量保证团队,提高了测试效率。
联系人导出功能修复
团队修复了联系人导出功能中存在的一个关键问题。之前的版本在某些情况下会导致导出的联系人数据不完整或格式错误。新版本确保了联系人信息的完整导出,包括自定义字段和关联数据,为CRM集成和数据迁移提供了可靠支持。
访客邀请机制改进
访客邀请功能得到了重要修复,解决了之前版本中存在的邀请链接生成和验证问题。新版本提供了更稳定的邀请流程,包括:
- 更可靠的邀请邮件发送机制
- 增强的链接安全性
- 改进的邀请状态跟踪
问题标签管理优化
针对问题跟踪系统中的标签管理,本次更新修复了添加和移除标签时的一些边界情况问题。改进后的标签系统能够更准确地反映问题状态变化,特别是在批量操作时保持数据一致性。
会议与日历功能增强
会议管理模块获得了多项改进:
- 修复了会议创建过程中的稳定性问题
- 优化了日历事件的mixin处理逻辑
- 改进了会议与参与者之间的关联管理
这些改进使得日程安排更加可靠,特别是在处理复杂会议场景时表现更出色。
卡片功能升级
卡片系统是本版本的重点改进领域之一:
- 实现了卡片搜索功能的稳定性提升
- 优化了卡片迁移过程
- 改进了卡片在暂存环境中的处理逻辑
这些改进使得看板视图中的卡片操作更加流畅,特别是在处理大量卡片时性能显著提升。
管理控制台增强
为方便多区域部署的管理,新版本在管理控制台中增加了按区域分组的功能。管理员现在可以:
- 按地理位置查看和管理实例
- 快速筛选特定区域的统计信息
- 执行区域级别的批量操作
邮件系统安全改进
针对自托管部署场景,本次更新增强了邮件传输的安全性:
- 改进了TLS配置选项
- 增加了更详细的邮件发送日志
- 优化了错误处理机制
这些改进使得邮件通知系统更加可靠,便于管理员诊断和解决邮件发送问题。
技术架构优化
在底层架构方面,开发团队进行了多项改进:
- 优化了数据模型查找机制
- 修复了数据迁移工具的问题
- 更新了模型版本兼容性处理
这些底层改进为平台提供了更好的扩展性和稳定性基础。
Platform项目的这次更新体现了团队对用户体验和系统稳定性的持续关注。通过解决多个关键问题并引入实用功能,v0.6.482版本进一步提升了平台的协作效率和管理能力,为企业的数字化转型提供了更加强大的支持。
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