Erupt框架1.12.18版本发布:全面增强企业级应用开发体验
项目简介
Erupt是一个面向企业级应用开发的高效框架,它通过低代码方式简化了后台管理系统的开发流程。该框架提供了丰富的功能组件和灵活的扩展机制,使开发者能够快速构建出功能完善、界面美观的管理系统。本次发布的1.12.18版本带来了多项重要改进和新特性,进一步提升了开发体验和系统稳定性。
核心改进与新特性
1. 国际化与本地化增强
本次版本修复了数据库异常提示不显示中文的问题,同时优化了i18n文件的解析逻辑,解决了当引号中包含逗号时导致的读取错位问题。这些改进使得国际化支持更加完善,特别是在中文环境下,错误提示更加友好和准确。
2. 数据精度与处理优化
针对大型ID值处理进行了重要改进:
- 解决了ID超过JavaScript极限数值长度导致的编辑问题
- 优化了主键值过大时的精度处理
- 统一了搜索场景与导入场景的参数传递逻辑
- 自动去除搜索时的首尾空格
这些改进显著提升了系统在处理大数据量时的稳定性和准确性。
3. 会话管理与安全增强
框架引入了自研的session实现方案,带来了两大优势:
- 在非redisSession场景下不再依赖cookie,提高了安全性
- 即使不使用redisSession,也能支持在线用户查看功能
同时,菜单修改后当前用户无需重新登录,刷新后即可生效,这大大提升了用户体验。
4. 组件库丰富与功能扩展
新增了多选组件(MULTI_CHOICE),为表单设计提供了更多灵活性。此外,对现有组件也进行了多项优化:
- 抽屉式弹出层不再渲染页头,采用更合理的宽高适应策略
- 报表系统新增文本提示组件
- dataProxy支持alert能力,可在渲染数据时显示全局提示
5. 微前端支持
本次版本引入了微前端能力,为系统集成提供了新的可能性:
- 自定义模板支持以微前端方式嵌入
- 自定义按钮的模板注解(@tpl)支持微前端渲染
- 模板路径支持path参数传递,可通过模板引擎获取变量
这一特性使得Erupt能够更好地与其他前端系统集成,实现更复杂的业务场景。
其他重要改进
-
初始化配置:支持配置默认账号密码,简化了系统部署流程。
-
日志系统:在线日志支持搜索功能,超链接可跳转,同时优化了日志显示样式,使运维工作更加高效。
-
模块调整:从源代码中移除了erupt-flow模块,使核心框架更加精简。
-
依赖升级:将amis前端框架升级到6.10版本,带来了更好的前端体验和性能。
-
租户管理:erupt-tenant模块修复了已知问题,增加了联系人字段,使多租户支持更加完善。
技术价值与应用场景
Erupt 1.12.18版本的这些改进特别适合以下场景:
-
大型企业管理后台:增强的会话管理和数据精度处理能够支持海量用户和数据的稳定运行。
-
国际化项目:完善的i18n支持和错误提示机制让多语言项目开发更加顺畅。
-
复杂系统集成:微前端能力使得Erupt可以轻松嵌入现有系统或整合其他子系统。
-
数据分析平台:报表组件的增强和dataProxy的alert功能让数据展示更加灵活和直观。
升级建议
对于正在使用Erupt框架的开发团队,建议尽快评估升级到1.12.18版本,特别是:
- 需要处理大数据量或高精度数值的项目
- 有多语言需求或国际化部署计划的项目
- 计划与其他前端系统集成的项目
- 对系统安全性和会话管理有较高要求的项目
升级时需要注意检查自定义组件与新版框架的兼容性,特别是使用了模板和微前端相关特性的部分。
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