Nocobase v1.6.7 版本发布:工作流与文件管理的优化升级
Nocobase 是一款开源的、可扩展的低代码开发平台,它通过提供丰富的插件系统和可视化界面,帮助开发者快速构建企业级应用。该平台特别适合需要高度定制化业务系统的场景,如工作流管理、数据可视化、表单设计等。
工作流与通知功能的增强
本次发布的 v1.6.7 版本对工作流和通知功能进行了多项改进。邮件通知节点和工作流中的邮件节点都新增了安全字段配置说明,这使得管理员在设置邮件服务时能够更清晰地了解如何配置安全连接选项,如 SSL/TLS 等协议。这一改进特别有助于企业级应用中敏感信息的传输安全,确保邮件通信符合安全合规要求。
日历插件的灵活性提升
日历插件在此版本中获得了重要更新,新增了快速事件创建的开关选项。这意味着系统管理员可以根据实际业务需求,灵活控制是否允许用户快速创建日历事件。对于需要严格控制事件创建流程的场景(如会议管理系统),可以关闭此功能;而对于需要快速记录日常安排的场景(如个人日程管理),则可以开启此功能。这种可配置性大大增强了日历组件的适用性。
关键问题修复
时间字段处理优化
针对中文环境下时间字段提交错误的问题,开发团队进行了修复。此前在中文区域设置下,时间字段的输入可能会因为格式问题导致数据库报错("invalid input syntax for type time")。这一修复确保了国际化应用在不同语言环境下的稳定运行。
文件存储访问问题
修复了 COS(腾讯云对象存储)中存储的文件无法访问的问题。这一修复对于使用云存储服务的企业用户尤为重要,确保了文件管理功能的完整性和可靠性。
地图组件安全配置
地图管理组件中的密钥字段验证问题得到了解决。此前,密钥字段的变更可能不会触发应有的验证逻辑,存在潜在的安全风险。此次修复强化了系统的安全性,特别是对于需要集成地图服务的企业应用。
路由一致性修复
解决了 WEB 客户端中路由管理表显示路径与实际路径不一致的问题。这一修复提升了开发体验,使路由配置更加直观可靠,降低了因路径不一致导致的调试难度。
专业版导出功能
修复了专业版中无法导出附件的问题,增强了数据导出功能的完整性,满足了企业对数据迁移和备份的需求。
审批工作流稳定性
针对审批工作流中的两个关键问题进行了修复:一是处理了空用户导致的系统崩溃问题,二是修复了添加查询节点结果时可能抛出的错误。这些改进显著提升了工作流引擎的健壮性,特别是在处理异常情况时的稳定性。
总结
Nocobase v1.6.7 版本虽然是一个小版本更新,但在功能完善和问题修复方面都做出了重要贡献。特别是对工作流、日历和文件管理等核心功能的优化,进一步提升了平台的稳定性和可用性。这些改进使得 Nocobase 更适合构建复杂的企业级应用,同时也为开发者提供了更加顺畅的开发体验。
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