Nocobase v1.7.0-beta.1 版本发布:工作流与权限控制全面升级
Nocobase 作为一款开源的低代码开发平台,其核心优势在于提供了强大的数据建模和可视化构建能力。最新发布的 v1.7.0-beta.1 版本聚焦于工作流引擎的完善和权限控制体系的优化,为开发者带来了多项重要改进。
工作流引擎的全面增强
本次版本对工作流系统进行了多项关键性改进:
-
后置事件支持:新增了使用结束节点确定状态的功能,这使得工作流的状态管理更加灵活。开发者现在可以通过配置结束节点来明确定义工作流的最终状态,这对于复杂业务流程的状态跟踪特别有价值。
-
响应消息机制:在动作触发器中增加了响应消息支持,这意味着工作流执行后可以向用户返回明确的执行结果信息。这项改进显著提升了用户体验,使操作反馈更加直观。
-
手动节点优化:解决了任务中心UI的独特键冲突问题,并调整了整体界面设计。新的任务中心界面更加清晰易用,特别是在处理大量待办任务时,用户体验得到明显提升。
-
API访问修复:修正了未登录状态下工作流API返回401错误的问题,这使得工作流可以更可靠地在各种认证场景下运行。
权限控制与安全改进
权限系统是本版本的另一重点改进领域:
-
历史按钮权限兼容:新版客户端完全兼容历史版本的按钮访问控制设置,确保老项目升级后权限配置不会失效。这项改进降低了系统升级的迁移成本。
-
无角色用户处理:当用户没有任何角色时,系统现在会正确重定向到错误提示页面,而不是出现未定义行为。这项改进增强了系统的安全性。
-
数据源管理修复:解决了外部数据源字段编辑时的错误问题,这使得跨数据源操作更加稳定可靠。
用户体验优化
除了核心功能改进外,本次更新还包含多项用户体验优化:
-
表单抽屉主题:修复了FormDrawer组件的主题上下文问题,确保视觉风格的一致性。
-
页面管理:解决了无法将页面移动到分组中的问题,提升了页面组织的灵活性。
-
菜单图标显示:修复了深层级菜单图标不显示的问题,使导航结构更加直观。
-
备份管理:完善了备份恢复过程中的加密密钥处理,增强了数据安全性。
技术实现亮点
从技术架构角度看,本次更新有几个值得关注的实现:
-
工作流状态机:通过结束节点确定状态的机制,实际上是实现了一个更完善的工作流状态机模型,为复杂业务流程提供了更好的支持。
-
前后端协同:在解决API 401错误时,团队展示了良好的前后端协同能力,确保了认证流程的完整性。
-
兼容性处理:对历史按钮权限的兼容处理体现了团队对用户升级体验的重视,这种渐进式改进策略值得借鉴。
这个beta版本为Nocobase的工作流系统带来了显著提升,特别是在状态管理和用户反馈方面。同时,权限控制的改进使得系统更加安全可靠。这些变化共同为即将到来的v1.7.0正式版奠定了坚实基础。
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