Tianji 1.19.0 版本发布:应用追踪模块全面升级
Tianji 是一款现代化的应用分析与监控平台,旨在帮助开发者更好地理解用户行为、优化产品体验。在最新发布的 1.19.0 版本中,Tianji 带来了全新的应用追踪模块,为移动应用和Web应用提供了更全面的分析能力。
应用追踪模块核心功能
本次更新最引人注目的是全新设计的应用追踪模块。该模块允许开发者:
-
应用信息管理:开发者可以添加、编辑和删除应用信息,系统会自动从应用商店抓取相关信息,包括应用图标、描述等元数据。
-
屏幕视图追踪:新增了屏幕视图事件上报功能,可以精确记录用户在应用中的页面浏览路径和行为轨迹。
-
应用统计看板:提供了丰富的可视化图表,包括:
- 平均每会话事件数(avgEventsPerSession)
- 平均每会话屏幕数(avgScreensPerSession)
- 用户停留时间分析
- 用户行为漏斗分析
-
自动化数据更新:通过每日定时任务(dailyUpdateApplicationStoreInfo)自动更新应用商店信息,确保数据时效性。
技术实现亮点
-
沙箱安全执行:引入了vm2沙箱作为VM运行时的备用方案,确保自定义代码执行的安全性。
-
数据聚合优化:在后台worker中实现了计数汇总逻辑,提高了大数据量下的处理效率。
-
路由自动跳转:实现了应用路由的自动跳转机制,优化了用户体验。
-
响应式设计:新增了ReadMore组件,智能处理长文本的显示/隐藏,特别适用于应用描述等场景。
性能与体验优化
-
统计卡片组件:新增了StatCard组件,统一了数据指标的展示风格,并集成了平均时间等关键指标。
-
成员权限管理:改进了工作空间成员角色变更功能,允许工作空间所有者直接调整成员权限。
-
UI/UX改进:重新组织了概览标签页和详情卡片布局,优化了信息架构和视觉层次。
开发者工具
-
SDK增强:更新了应用追踪SDK,支持屏幕视图上报和版本更新追踪。
-
示例项目调整:移除了Expo示例支持,将示例项目集中到example/web目录,简化了开发者入门路径。
总结
Tianji 1.19.0版本通过引入应用追踪模块,将产品能力从传统的Web分析扩展到了移动应用领域。新版本不仅提供了丰富的应用行为分析功能,还在数据安全、性能优化和开发者体验方面做出了显著改进。这些增强功能使Tianji成为一个更加全面的数字产品分析平台,能够帮助开发团队从用户行为数据中获得更深层次的洞察,从而做出更明智的产品决策。
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-7BSpark-Prover-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
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-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00