Twenty项目v0.41.0版本发布:视图组聚合与工作流增强
项目简介
Twenty是一个现代化的开源CRM系统,专注于为企业提供灵活的数据管理和工作流程自动化能力。该项目采用模块化架构设计,整合了数据管理、用户权限、工作流引擎等核心功能,并持续通过版本迭代增强系统能力。
核心功能更新
视图组聚合功能增强
本次版本最显著的改进是在视图组头部添加了聚合功能。开发团队对COUNT操作进行了特别优化,确保在分组视图中的计数统计准确无误。这一改进使得用户能够直接在分组视图中查看关键指标的汇总数据,无需切换到其他统计界面。
对于日期类型的字段,团队还专门优化了标签显示格式,使时间信息的呈现更加符合用户阅读习惯。这一改进特别适合需要按时间维度分析业务数据的场景。
工作流系统优化
工作流引擎在本版本中获得了多项重要更新:
-
节点设计改进:重新设计了工作流节点的视觉样式,优化了节点间的间距和连线颜色,提升了工作流编辑器的整体美观度和可用性。
-
稳定性增强:修复了工作流激活/停用时的缓存问题,改用refetch替代cache修改策略,确保状态切换后数据的一致性。
-
防误删保护:增加了对工作流节点和连线删除操作的防护机制,防止用户意外删除关键元素。
-
草稿功能完善:优化了"用作草稿"功能的用户体验,并添加了从历史版本创建草稿时的事件记录。
数据关系管理重构
团队对系统的关系管理进行了深度重构:
-
引入了targetFieldMetadataId字段,并提供了迁移脚本,为更灵活的关系配置奠定基础。
-
实现了全新的关系解析器,优化了关联数据的查询效率。
-
改进了关系模式生成机制,确保在复杂数据模型下的稳定性。
-
修复了关系记录乐观更新时的缓存问题,提升了数据一致性。
技术架构改进
认证与授权体系
-
SSO集成增强:集中处理了SSO错误逻辑,改进了Microsoft SAML认证流程,提升了企业级认证的可靠性。
-
角色管理:引入了userWorkspaceRoles和标准管理员角色,在创建工作区时自动种子化,为更精细的权限控制做准备。
-
安全加固:新增了2FA(双因素认证)功能,提高了账户安全性。
国际化支持
-
实现了服务器端翻译功能,为多语言支持打下基础。
-
添加了对对象元数据标签和描述的翻译能力。
-
开始对前端操作进行本地化处理,逐步完善国际化体系。
性能与稳定性
-
优化了工具提示的性能表现,减少界面卡顿。
-
修复了工作线程中对象销毁时的处理逻辑,避免内存泄漏。
-
改进了表格滚动条的交互体验,使大数据量浏览更加流畅。
-
调整了消息通道消息关联的处理逻辑,提升消息同步的可靠性。
开发者体验
-
将twenty-emails拆分为独立包,提高模块化程度。
-
为twenty-shared添加了declaration和declarationMap的tsconfig配置,改善类型提示。
-
实现了GraphQL生成检查的CI流程,确保API一致性。
-
对twenty-server进行了完整的类型检查,提高代码质量。
总结
Twenty v0.41.0版本在数据可视化、工作流引擎和系统架构等多个维度进行了重要升级。视图组聚合功能的引入显著提升了数据分析效率,而工作流系统的各项改进则使自动化流程更加稳定易用。技术架构上的优化,特别是关系管理和国际化支持的增强,为系统未来的功能扩展奠定了坚实基础。这些改进共同推动Twenty向更成熟的企业级应用平台迈进。
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