Nocobase v1.6.34 版本发布:数据导入增强与多项优化
Nocobase 是一款开源的、面向开发者的低代码开发平台,它提供了丰富的功能模块和灵活的扩展能力,帮助开发者快速构建企业级应用。本次发布的 v1.6.34 版本带来了多项功能增强和问题修复,特别是在数据导入导出、工作流和用户体验方面有了显著改进。
数据导入功能全面升级
本次版本对专业版的数据导入功能进行了重大增强,为数据管理带来了更强大的能力:
-
多字段联合唯一性校验:现在支持通过多个字段组合来定义记录的唯一性,这在处理复杂业务数据时尤为重要。例如,在导入员工数据时,可以设置"部门+工号"作为联合唯一键,确保数据准确性和一致性。
-
空白单元格处理策略:新增了两项精细化的空白单元格处理选项:
- 覆盖空白单元格:当目标记录中已有数据时,可以选择是否用空白值覆盖现有数据
- 忽略空白单元格:可以选择保留目标记录中的现有值,仅更新非空白字段
这些增强使得数据导入过程更加灵活可控,能够适应各种复杂的数据迁移和同步场景。
数据导出功能修复
修复了嵌套关联数据导出失败的问题,现在可以正确导出包含多层级关联关系的数据。这对于需要导出复杂业务对象(如订单及其关联的客户信息、产品明细等)的场景尤为重要。
数据库关联优化
解决了多对多关联关系中 UUID 或 nanoid 自动生成失效的问题。这一修复确保了在创建关联记录时,系统能够正确生成唯一标识符,提高了数据完整性和系统稳定性。
工作流与审批改进
工作流模块在本版本中获得了多项重要修复:
-
审批流程数据准确性:修复了提交审批前数据计算和关联数据加载的问题,确保审批过程中显示的信息准确无误。
-
视图操作记录ID:修正了审批流程中查看操作使用的记录ID,避免了可能的错误跳转。
-
自定义动作事件:优化了插件加载顺序,解决了因加载顺序导致的自定义动作事件错误问题。
用户体验优化
客户端方面进行了多项细节改进:
-
区块高度设置:修复了区块高度设置无法实时生效的问题,现在修改后可以立即在界面上看到效果。
-
联动规则校验:修正了"noneOf"条件检查失败的问题,使表单联动逻辑更加可靠。
-
数据源管理:解决了拖拽排序失效的问题,现在可以更便捷地管理多个数据源。
通知系统修复
修复了站内消息"全部标记为已读"功能可能影响其他用户数据的问题,确保了用户数据的隔离性和安全性。
文件存储改进
针对S3专业版存储进行了以下优化:
-
预览URL生成:修正了文件预览URL生成逻辑,确保能够正确访问存储的文件。
-
上传参数:解决了上传参数重复设置的问题,提高了文件上传的稳定性和效率。
技术栈升级
将CI环境的Node版本升级到20,以兼容最新依赖包的要求,同时确保构建过程的稳定性。
总结
Nocobase v1.6.34版本通过增强数据导入导出能力、优化工作流引擎、修复多项用户体验问题,进一步提升了平台的稳定性和易用性。这些改进使得Nocobase在处理企业级复杂业务场景时更加得心应手,为开发者提供了更强大的低代码开发体验。
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