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。
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
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
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 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
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