Lowcoder 2.6.1版本发布:可视化查询变量与用户管理API增强
2025-07-04 00:55:33作者:袁立春Spencer
项目简介
Lowcoder是一款开源的快速应用开发平台,它允许开发者通过可视化方式构建企业级应用程序。该平台提供了丰富的组件库、数据连接器以及自动化工作流功能,大大降低了应用开发的门槛,使业务人员也能参与应用构建过程。
核心更新解析
1. 可视化数据查询变量
在2.6.1版本中,Lowcoder引入了一项重要改进——可视化数据查询变量功能。这一特性彻底改变了开发者处理数据查询的方式:
- 直观的变量管理:现在开发者可以直接在编辑器中可视化地管理数据查询变量,无需完全依赖JavaScript代码
- 调试效率提升:通过可视化界面可以更快速地检查和修改查询参数,显著简化了调试过程
- 降低技术门槛:非专业开发者也能更容易地理解和操作数据查询逻辑
这一改进特别适合需要频繁调整查询参数的场景,如构建数据仪表板或交互式报表应用。
2. 用户管理API增强
本次版本对用户管理API进行了重要升级:
- 完整的用户生命周期管理:管理员现在可以通过API执行创建、更新、删除用户等完整操作
- 细粒度控制:新增了对用户属性的精细控制能力,可以管理用户的各种元数据
- 企业集成友好:这些改进使得Lowcoder能更好地与企业现有系统集成,实现自动化用户管理
这些API增强特别适合需要将Lowcoder与企业目录服务(如LDAP)集成的场景。
其他重要改进
数据源名称限制
- 数据源名称现在被限制为最多16个字符,这一改变有助于:
- 保持界面整洁
- 防止过长的名称影响布局
- 鼓励使用简洁明了的命名
应用设置健壮性提升
- 修复了应用设置中类别、描述、图标和标题字段处理空值的问题
- 现在系统会为这些字段提供合理的默认值,避免因空值导致的异常
eCharts组件增强
- 为eCharts组件添加了必需的数据字段
- 提供了更合理的默认配置
- 减少了配置图表时的初始工作量
安全改进
- 从/home API中移除了客户端密钥(client secret),减少了敏感信息暴露的风险
- 添加了自定义CORS配置选项,解决了跨域资源共享问题
技术实现亮点
事件系统完善
开发者现在可以在事件对象中获取更多必要信息,这为:
- 更精细的事件处理
- 更完善的日志记录
- 更强大的调试能力
提供了基础支持。
新增邮箱绑定API
新增的/email/bind API端点使得:
- 用户邮箱管理更加灵活
- 二次验证流程更易实现
- 账户安全功能更完善
升级建议
对于正在使用Lowcoder的企业和开发者,2.6.1版本值得升级,特别是:
- 需要更强大用户管理能力的企业
- 依赖复杂数据查询的应用程序
- 需要与外部系统深度集成的场景
升级过程应保持谨慎,建议:
- 先在测试环境验证
- 检查自定义插件和API调用的兼容性
- 备份重要数据和配置
总结
Lowcoder 2.6.1虽然是一个小版本更新,但带来了多项实用改进,特别是在数据查询可视化和用户管理方面。这些增强使平台更加易用、健壮和安全,进一步巩固了Lowcoder作为高效应用开发平台的地位。对于追求开发效率和系统集成的团队来说,这个版本提供了值得关注的价值。
登录后查看全文
热门项目推荐
相关项目推荐
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
最新内容推荐
电脑PC网易云音乐免安装皮肤插件使用指南:个性化音乐播放体验 开源电子设计自动化利器:KiCad EDA全方位使用指南 Jetson TX2开发板官方资源完全指南:从入门到精通 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 Python案例资源下载 - 从入门到精通的完整项目代码合集 2022美赛A题优秀论文深度解析:自行车功率分配建模的成功方法 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
222
245
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
672
157
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
661
312
React Native鸿蒙化仓库
JavaScript
262
322
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
860
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
217