Nocobase v1.7.0-alpha.3 版本发布:工作流优化与客户端体验提升
Nocobase 是一个开源的、可扩展的低代码开发平台,它提供了丰富的功能模块和灵活的定制能力,帮助开发者快速构建企业级应用。本次发布的 v1.7.0-alpha.3 版本带来了多项功能增强和问题修复,特别是在工作流管理和客户端体验方面有了显著改进。
工作流模块的全面优化
本次版本对工作流模块进行了多项重要改进,提升了系统的稳定性和可用性。
在手动节点方面,开发团队修复了多个迁移相关的问题。包括确保迁移能够正确重新运行、修复了当ID列不存在时的迁移错误,以及避免从字段同步集合的问题。这些改进使得工作流在部署和升级过程中更加可靠。
对于审批节点,修复了流程表单中文件关联字段的错误,并基于钩子函数改进了任务计数机制。这些改进使得审批流程更加准确和高效。
在聚合节点方面,修复了当结果为null时的round函数处理问题,确保了计算结果的准确性。同时,还优化了工作流删除时的任务计数逻辑,不再统计已删除工作流的任务,使统计数据更加准确。
文件管理系统的简化
文件管理模块在本版本中得到了简化。开发团队优化了文件URL生成逻辑和API,使得文件访问更加高效。对于S3存储(专业版),将"Access URL Base"文本改为更简洁的"Base URL",并采用了更简单的方式来生成文件URL,提升了用户体验。
客户端体验的多项改进
客户端方面,本次版本带来了多项用户体验的优化:
- 表格操作支持了仅图标模式,并在悬停时显示操作名称,使得界面更加简洁直观。
- 修复了联动规则配置中字段缺失的问题,确保了配置功能的完整性。
- 解决了富文本字段在提交时不清空数据的问题,提高了表单使用的可靠性。
- 修正了表单默认值设置中的输入样式问题,使界面更加统一美观。
- 修复了页面右上角图标颜色不随主题变化的问题,增强了主题一致性。
- 解决了筛选表单中重置按钮无法清除网格卡片块筛选条件的问题,提升了筛选功能的可用性。
备份管理器的增强
备份管理功能在本版本中得到了两项重要改进:允许在同一版本号的预发布版和正式版之间恢复备份,以及修复了当缺少默认备份设置时无法启动服务器的问题。这些改进提高了系统的可靠性和灵活性。
变量与秘密管理
修复了在创建新变量抽屉中按钮未显示的问题,确保了变量管理功能的正常使用。
嵌入式使用的改进
修复了嵌入式使用时页面显示空白的问题,使得Nocobase能够更好地集成到其他系统中。
总结
Nocobase v1.7.0-alpha.3 版本通过一系列的功能优化和问题修复,进一步提升了平台的稳定性和用户体验。特别是工作流模块的改进和客户端体验的优化,使得这个低代码平台更加成熟可靠。这些改进为开发者提供了更强大的工具,也为最终用户带来了更流畅的使用体验。
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