Kimai时间追踪系统2.36.0版本发布:强化导出与权限控制
2025-06-14 06:07:59作者:韦蓉瑛
项目简介
Kimai是一款开源的时间追踪和工时管理系统,专为团队和自由职业者设计。它提供了强大的时间记录、项目管理、客户账单等功能,支持多用户协作。Kimai以其灵活的配置和丰富的功能在开发者社区中广受欢迎。
核心更新解析
1. 可配置的导出模板
2.36.0版本引入了CSV和XLSX格式的可配置导出模板功能。这项改进意味着:
- 管理员可以预先定义导出模板,确保所有用户导出的数据格式一致
- 可以根据不同部门或项目需求创建多个模板
- 导出的Excel文件现在支持更复杂的格式设置
- 减少了手动调整导出数据的时间成本
对于需要定期向客户提供工时报告或进行数据分析的团队,这一功能将显著提升工作效率。
2. 安全与日志增强
本次更新在安全审计方面做了重要改进:
SAML日志增强
- 详细记录了SAML身份验证流程中的关键步骤
- 增加了错误调试信息,便于排查单点登录问题
- 记录了断言消费过程中的关键参数
LDAP日志优化
- 扩展了LDAP连接和用户同步的日志记录
- 增加了绑定和搜索操作的详细日志
- 改进了错误信息的可读性
这些改进使系统管理员能够更有效地监控和排查身份验证问题,特别是在企业环境中。
3. 工时管理优化
周视图工时录入改进
- 新增了"期间锁定"警告提示,当用户尝试修改被锁定的时间段时显示明确提示
- 界面优化:将已有工时记录的行移动到顶部,方便快速查看和编辑
- 修复了自定义字段在空行中丢失的问题
- 移除了锁定期间的空00:00条目,避免数据混乱
权限控制强化
- 在保存前检查每个提交的工时记录的权限
- 在删除前验证用户是否有操作权限
- 防止对锁定的工时记录进行项目变更
这些改进显著提升了数据的安全性和一致性,特别是在多用户协作环境中。
4. 数据验证增强
- 新增了持续时间验证器,防止输入负的时间值
- 修复了API验证错误标题缺少翻译的问题
- 改进了活动选择逻辑,隐藏的活动不再出现在新建行的下拉选项中
技术实现亮点
导出模板架构
新的导出模板系统采用了灵活的模板定义方式:
- 模板存储在配置文件中,支持动态加载
- 每个模板定义了字段映射、格式设置和导出选项
- 系统提供了默认模板,同时允许自定义覆盖
- 前端界面集成了模板选择器,用户可以根据需求选择不同模板
权限验证流程
权限系统进行了重构:
- 采用预验证模式,在操作执行前进行完整权限检查
- 实现了细粒度的权限控制,支持记录级别的访问控制
- 引入了权限缓存机制,减少重复验证的开销
- 错误处理更加友好,提供明确的权限不足提示
升级建议
对于现有Kimai用户,升级到2.36.0版本时应注意:
- 检查自定义导出功能是否与新模板系统兼容
- 验证SAML/LDAP配置,确保日志级别设置适当
- 通知用户新的工时录入界面变化,特别是锁定期间的提示
- 测试API客户端,确保验证错误处理正常
总结
Kimai 2.36.0版本通过可配置导出模板、增强的安全日志和完善的权限控制,进一步提升了系统的专业性和可靠性。这些改进特别适合中大型团队和企业环境使用,使时间追踪和项目管理更加高效和安全。对于需要严格工时控制和审计跟踪的组织,这个版本提供了更强大的工具支持。
登录后查看全文
热门项目推荐
相关项目推荐
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-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
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
最新内容推荐
IEC61850建模工具及示例资源:智能电网自动化配置的完整指南 海康威视DS-7800N-K1固件升级包全面解析:提升安防设备性能的关键资源 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 SteamVR 1.2.3 Unity插件:兼容Unity 2019及更低版本的VR开发终极解决方案 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 Photoshop作业资源文件下载指南:全面提升设计学习效率的必备素材库 海能达HP680CPS-V2.0.01.004chs写频软件:专业对讲机配置管理利器 咖啡豆识别数据集:AI目标检测在咖啡质量控制中的革命性应用 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南 Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
182
196
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++
648
265
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
274
94
暂无简介
Dart
623
140
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
380
3.41 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.1 K
621
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
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