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。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-7BSpark-Prover-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-7BSpark-Formalizer-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00