Amplication项目v3.8.0版本发布:模板功能全面升级
Amplication是一个开源的开发工具平台,它能够帮助开发者快速生成后端服务代码、数据库架构和API接口。通过可视化界面和自动化工具,Amplication极大地简化了应用开发流程,让开发者可以专注于业务逻辑而非基础设施搭建。
核心功能升级
本次v3.8.0版本带来了多项重要改进,主要集中在模板功能和工作流程优化方面。
模板功能增强
-
从资源创建模板:现在开发者可以直接将现有资源保存为模板,便于复用和共享。这一功能显著提升了开发效率,特别是对于需要创建相似服务的场景。
-
模板与蓝图集成:新增了对包含蓝图模板的支持,使得模板功能更加灵活强大。开发者可以创建包含完整架构定义的模板,实现一键部署复杂应用结构。
-
模板目录管理:系统现在支持从目录中排除特定模板,让开发者能够更好地组织和管理自己的模板库。
用户体验优化
-
资源创建流程改进:重新设计了资源创建的用户界面和交互流程,使操作更加直观。默认设置现在将新仓库设为私有,提高了安全性。
-
插件管理优化:安装的插件标签现在默认显示在最前面,减少了查找常用功能的时间。
-
资源概览增强:在资源概览页面中直接显示资源属性和设置信息,无需跳转多个页面即可获取关键信息。
技术架构改进
-
Node.js版本升级:项目已升级至Node.js 22.13版本,同时更新了相关依赖包,提高了系统稳定性和性能。
-
移除无用依赖:清理了未使用的cron相关依赖,减少了项目体积和潜在的安全风险。
-
数据库迁移:为支持新模板版本功能,实施了必要的数据库迁移脚本,确保数据结构的兼容性。
开发者体验提升
-
界面布局优化:调整了客户端界面中的列宽设置,改善了信息展示效果。
-
自动刷新机制:创建资源后自动重新加载模板目录,保持界面数据的最新状态。
-
简化对话框:移除了冗余的对话框组件,使界面更加简洁高效。
Amplication v3.8.0版本的这些改进,特别是模板功能的增强,将显著提升开发者的工作效率。通过更智能的资源管理和更流畅的用户体验,开发者可以更快地将想法转化为实际可运行的代码。
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