Erupt框架1.12.20版本发布:增强数据联动与AI集成能力
Erupt是一个基于Java的企业级快速开发框架,它通过注解驱动的方式简化了后台管理系统的开发流程。该框架提供了丰富的UI组件和数据处理能力,使开发者能够快速构建功能完善的管理后台。在最新的1.12.20版本中,Erupt带来了多项功能增强和优化,特别是在数据联动处理和AI集成方面有了显著提升。
时间选择与数据查询增强
本次更新对时间选择组件进行了功能扩展,新增了对"昨日"这一常用时间范围的支持。这一改进使得用户在筛选数据时能够更加便捷地选择特定日期范围,提升了操作效率。
在数据查询方面,EruptDao的Lambda查询现在支持not in操作符,为开发者提供了更灵活的数据筛选能力。同时,erupt-jap模块增强了对多对一关联对象的查询支持,通过with语法可以更直观地构建复杂的关联查询条件,这大大简化了关联数据的获取过程。
组件功能优化
Slider组件在此次更新中获得了重要改进,现在支持0.x的小数步进设置,通过将step参数类型调整为float,使得该组件能够处理更精细的数值调节需求。
Layout注解新增了tableWidth配置项,允许开发者手动定义表格的总宽度。这一特性解决了在某些场景下表格自动宽度计算不准确的问题,为页面布局提供了更精确的控制手段。
Choice组件和MultiChoice组件都获得了联动能力的增强。特别值得注意的是,Choice组件的联动机制从前端联动改为后端联动,这种改变不仅提高了联动的可靠性,还使得联动逻辑更加清晰和易于维护。MultiChoice组件则首次引入了联动支持,使得多选场景下的数据关联成为可能。
AI模块正式开源
1.12.20版本中最引人注目的变化是erupt-ai模块的开源。这个模块为Erupt框架带来了强大的人工智能能力集成,支持包括ChatGPT、Olama、DeepSeek、GML、Gemini、Moonshot在内的多种AI模型。
erupt-ai模块不仅提供了基础的AI对话功能,还支持更高级的智能体(Agent)模式、函数调用(Function Call)以及交互式聊天体验。这意味着开发者可以轻松地在管理系统中集成智能问答、内容生成、数据分析等AI功能,为用户提供更加智能化的操作体验。
总结
Erupt 1.12.20版本通过多项功能增强和新增模块,进一步提升了框架的实用性和扩展性。从基础组件的时间选择、数据查询优化,到复杂的多组件联动机制改进,再到开创性的AI能力集成,这些更新都体现了Erupt框架持续进化的方向——在保持简单易用的同时,不断扩展功能边界,满足企业级应用开发的多样化需求。特别是erupt-ai模块的加入,为管理系统注入了智能化元素,展现了Erupt框架对未来技术趋势的前瞻性把握。
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