Nocobase v1.5.0-beta.34 版本发布:工作流增强与客户端优化
Nocobase 是一款开源的、面向开发者的低代码开发平台,它通过提供丰富的功能模块和灵活的扩展能力,帮助企业快速构建各类业务应用系统。本次发布的 v1.5.0-beta.34 版本主要聚焦于工作流功能的增强和客户端体验的优化。
工作流功能增强
新增随机字符模式
本次更新为工作流模块引入了随机字符模式功能。这一特性允许开发者在设计工作流时,能够生成随机字符串作为流程变量或节点输出。这种模式特别适用于需要生成唯一标识符、随机密码或临时令牌的业务场景。
技术实现上,系统提供了多种随机字符生成策略,开发者可以根据需求选择不同的字符集(如纯数字、字母数字混合、特殊字符等)和长度参数。这一功能的加入大大增强了工作流在自动化处理中的灵活性和实用性。
JSON计算节点优化
开发团队对工作流中的JSON计算节点进行了命名和分组优化。新的命名更加直观地反映了节点的功能特性,而合理的分组则提升了节点在可视化编辑器中的可发现性。这一改进虽然看似微小,但对于提升开发者的使用体验和工作效率有着显著作用。
客户端体验优化
联动规则修复
本次版本修复了按钮联动规则因执行顺序问题导致的失效情况。在之前的版本中,当多个联动规则同时作用于一个按钮时,可能会因为执行顺序不当而导致部分规则不生效。新版本通过优化规则执行机制,确保了所有联动规则都能按照预期工作。
布局稳定性提升
针对删除区块或字段后可能出现的布局异常问题,开发团队进行了重点修复。现在,当用户删除界面元素时,系统能够更智能地重新计算和调整剩余元素的布局位置,避免了界面错乱的情况发生。
关联字段显示优化
在子详情区块中,关联字段的数据显示问题得到了解决。之前版本中,某些情况下关联字段的数据无法正确渲染,导致用户无法查看相关信息。新版本优化了数据加载和渲染逻辑,确保了关联字段数据的完整显示。
筛选功能改进
修复了筛选按钮中非筛选字段设置可能影响同集合其他表格的问题。这一改进使得不同表格实例之间的筛选设置能够保持独立,互不干扰,提升了多表格场景下的使用体验。
默认值刷新机制
针对关联字段默认值在页面切换后不刷新的问题,开发团队优化了数据缓存机制。现在,当用户切换页面时,关联字段能够正确地重新加载和显示默认值,确保了数据的一致性。
数据加载模式稳定性
修复了"数据加载模式"在页面切换后失效的问题。这一改进确保了用户在配置了特定数据加载策略后,无论进行何种页面导航操作,系统都能持续保持预期的数据加载行为。
测试用例完善
为了确保工作流功能的稳定性,开发团队特别为"移动"动作触发工作流的情况新增了测试用例。这些测试覆盖了各种边界条件和异常场景,将有效降低相关功能在生产环境中出现问题的风险。
总结
Nocobase v1.5.0-beta.34 版本虽然是一个预发布版本,但包含了多项重要的功能改进和问题修复。特别是工作流模块的增强,为开发者提供了更强大的自动化处理能力;而客户端的各项优化则显著提升了最终用户的使用体验。这些改进体现了Nocobase团队对产品质量和用户体验的持续关注,也为即将到来的正式版本奠定了坚实的基础。
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