Nocobase v1.7.0-beta.31版本发布:工作流增强与数据可视化优化
Nocobase作为一款开源的低代码开发平台,其最新发布的v1.7.0-beta.31版本带来了多项重要改进,特别是在工作流引擎、数据可视化和表单联动规则方面进行了显著优化。本文将深入解析这一版本的核心技术亮点。
工作流引擎的全面升级
本次版本对工作流系统进行了多项重要改进。首先是对工作流草稿版本管理的增强,现在系统支持同时维护多个工作流草稿版本,这为复杂业务流程的设计提供了更大的灵活性。开发团队可以并行测试不同的流程设计方案,而无需担心覆盖之前的草稿。
在任务统计方面,修复了手动节点和审批节点任务计数不准确的问题。这一改进确保了工作流监控数据的准确性,为流程优化提供了可靠的数据支持。同时,工作流测试套件现在能够正确处理预设插件的依赖关系,提高了测试的稳定性。
特别值得注意的是,工作流中的用户操作变量现在可以正确地在Handlebars模板中访问,这为动态生成通知内容和表单数据提供了更大的灵活性。此外,修复了子流程触发未定义导致页面崩溃的问题,增强了系统的稳定性。
数据可视化组件的优化
在数据可视化方面,本版本解决了图表块在从块级操作触发的弹出窗口中无法显示的问题。这一改进使得用户可以在各种交互场景下都能正常使用数据可视化功能。同时,修复了在过滤嵌套多对多字段时的错误,提高了复杂数据关系展示的准确性。
表单联动规则的增强
表单联动规则是本次更新的另一个重点。现在联动规则支持使用"当前表单"变量,大大增强了表单字段间的动态交互能力。同时修复了多个联动规则相关的问题:
- 修复了操作符切换时丢失的问题,确保了规则配置的连续性
- 改进了日期变量在联动条件中的评估逻辑,确保时间相关规则的正确执行
- 优化了联动规则值组件的样式,提升了配置界面的用户体验
- 修复了在详细区块中按钮联动失效的问题
- 改进了当操作符变更时右侧值的清除逻辑
数据导入导出功能的改进
在数据导入导出方面,本版本进行了多项优化:
- 为导入插件添加了日志记录功能,便于追踪和排查导入过程中的问题
- 修复了导出嵌套关联和附件URL空值时的问题
- 优化了导入/导出字段设置中删除字段时的性能
- 解决了长文本导出错误的问题
- 修复了因文本字段值导致的导入失败问题
其他重要修复与改进
- 文件管理器:修复了无外键权限时创建文件记录的问题
- 模板打印:解决了格式化程序找不到的问题
- 附件URL字段:增加了更多内置尺寸设置,优化了阅读状态的显示效果
- 操作面板:修复了暗黑模式下颜色不正确的问题
- 重复记录操作:修复了编辑重复数据时模态框过早关闭的问题
- 模板继承:解决了保存为继承模板后打开弹出窗口时的错误
总结
Nocobase v1.7.0-beta.31版本通过一系列的功能增强和问题修复,进一步提升了平台的稳定性和用户体验。特别是在工作流引擎、数据可视化和表单联动方面的改进,为开发者构建复杂业务应用提供了更强大的支持。这些优化不仅解决了现有问题,还为未来的功能扩展奠定了更坚实的基础。
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