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。
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