Tianji项目v1.18.2版本发布:增强问卷调查与AI功能
Tianji是一个开源的问卷调查与数据分析平台,致力于为用户提供简单易用的问卷创建、数据收集和分析工具。最新发布的v1.18.2版本带来了一系列功能增强和优化,特别是在问卷分类统计和AI功能方面有了显著改进。
核心功能更新
1. 问卷分类统计功能
本次更新引入了全新的问卷分类统计功能,开发者添加了SurveyCategoryChart组件,使得用户能够对问卷结果进行更细致的分类分析。这一功能特别适合需要对问卷数据进行多维度分析的场景。
技术实现上,系统通过优化数据处理流程,确保分类统计的准确性。同时解决了时区显示不正确的问题,保证了全球用户都能看到准确的时间数据。
2. AI功能增强
在AI相关功能方面,本次更新增加了积分消耗机制和检查点功能。现在系统会在AI问答路由中检查用户积分并进行相应扣除,这为平台的可持续运营提供了基础保障。
用户体验优化
1. 新增UI组件
开发团队新增了复选框UI组件(checkbox),丰富了表单元素的多样性。同时实现了图片URL渲染功能,使得问卷中可以更方便地展示图片内容。
2. 数据导出改进
针对问卷数据导出功能,现在系统会确保导出所有必要字段,避免了之前版本中可能出现的字段缺失问题。
技术架构优化
1. 性能提升
通过实现全局配置的本地存储缓存(global config local storage cache),减少了不必要的网络请求,提升了应用响应速度。
2. 组件化重构
团队提取了DatePicker组件,提高了代码复用率,为后续开发类似功能提供了便利。
问题修复
本次更新修复了应用审核池不足的问题,确保了系统在高并发情况下的稳定性。同时修正了问卷统计时区显示不正确的问题,提升了数据展示的准确性。
总结
Tianji v1.18.2版本在保持核心功能稳定的同时,通过新增问卷分类统计、优化AI功能和改进用户体验,进一步提升了产品的实用性和易用性。这些改进使得Tianji在开源问卷调查平台领域继续保持竞争力,为用户提供了更专业的数据收集和分析工具。
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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
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