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。
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