Ever Gauzy 0.599.7版本发布:企业级开源ERP/CRM系统的重要更新
Ever Gauzy是一个开源的企业资源规划(ERP)和客户关系管理(CRM)系统,专为现代企业设计。它提供了一套全面的工具来管理业务运营,包括项目管理、时间跟踪、人力资源管理、会计和客户关系等功能。作为一个全栈解决方案,Ever Gauzy支持多租户架构,并提供了丰富的API接口,使其能够灵活地适应各种业务场景。
核心架构优化
本次0.599.7版本在系统架构方面进行了多项重要改进。开发团队移除了对PM2进程管理器的依赖,这一变化简化了部署流程并减少了系统资源的占用。同时,项目引入了对mysql2客户端的支持,替代了原有的MySQL连接方式,这一改进显著提升了数据库操作的性能和稳定性。
在包管理方面,开发团队进行了全面的依赖项更新,确保了系统使用最新的安全补丁和功能改进。特别值得注意的是移除了angular2-toaster包,这表明团队正在逐步淘汰旧的依赖项,为未来的技术升级做准备。
功能增强与新增特性
标签类型系统
0.599.7版本引入了一个全新的标签类型系统,允许用户为标签定义不同的类别。这一功能通过新增的TagType实体和相关DTOs实现,并配备了相应的权限控制。开发团队还提供了种子数据,帮助用户快速上手使用这一新功能。
租户API密钥管理
新版本增加了租户级别的API密钥管理功能。系统现在能够生成安全的API密钥/密钥对,并对这些凭证进行SHA-256哈希处理以确保安全性。这一功能特别适合需要集成第三方应用的企业用户,提供了更灵活的访问控制机制。
时间日志过滤
时间跟踪功能得到了增强,现在用户可以根据任务ID对时间日志进行过滤。这一改进使得项目经理和团队成员能够更精确地追踪特定任务的时间投入,提高了项目管理的效率。
用户体验改进
在用户界面方面,0.599.7版本修复了暗色主题下作者和联系人字段显示问题,确保了在不同主题下的一致视觉体验。审批请求屏幕也进行了优化,为员工用户提供了更清晰的操作界面。
开发团队还修复了仪表板关系和小部件模块的问题,提升了数据可视化的稳定性和响应速度。这些改进使得用户能够更顺畅地访问和分析业务数据。
技术债务清理与性能优化
本次发布包含了多项技术债务清理工作。开发团队重构了桌面核心功能,优化了启动时间,特别是核心包的加载效率得到了显著提升。配置文件加载器和文件提供程序也进行了重构,提高了系统的整体稳定性。
在构建系统方面,团队修复了桌面构建过程中的问题,并优化了生成目录路径,特别是针对屏幕截图功能的处理。这些改进使得开发流程更加顺畅,减少了构建过程中的潜在问题。
安全增强
安全方面,0.599.7版本引入了对API密钥/密钥对的保护机制,通过电子邮件验证确保敏感操作的安全性。同时,系统现在会排除node_modules目录的文件浏览,减少了潜在的安全风险。
总结
Ever Gauzy 0.599.7版本是一个重要的中间版本,它在保持系统稳定性的同时,引入了多项新功能和改进。从标签类型系统到API密钥管理,再到各种用户体验优化,这些变化都体现了开发团队对产品质量和用户需求的持续关注。
对于现有用户来说,这个版本提供了更强大的功能和更稳定的体验;对于新用户而言,它展示了Ever Gauzy作为一个成熟企业解决方案的持续进化能力。随着这些改进的落地,Ever Gauzy在企业管理软件领域的竞争力得到了进一步提升。
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