ToolJet v3.9.0 版本发布:全新组件与交互体验升级
项目简介
ToolJet 是一个开源的低代码开发平台,它允许开发者通过可视化界面快速构建企业内部应用。该平台提供了丰富的组件库、数据源连接能力以及自动化工作流功能,大大降低了企业级应用开发的门槛。
核心功能更新
1. 全新组件体系
本次更新引入了多个实用组件,显著增强了数据展示和输入能力:
-
Markdown 表格列:现在可以在表格组件中直接渲染 Markdown 格式内容,为技术文档展示、富文本内容呈现提供了更优雅的解决方案。
-
货币输入组件:专为财务类应用设计,支持自动格式化、货币符号显示和数值验证,确保货币数据的准确输入。
-
电话输入组件:内置国际电话号码验证和格式化功能,特别适合需要收集用户联系信息的场景。
2. 交互体验优化
-
键盘导航增强:
- Dropdown V2 和 Multiselect V2 组件现在支持箭头键导航
- 表格编辑模式下的单元格导航更加流畅
- 整个平台实现了完整的 Tab 键导航支持
-
页面导航改进:应用现在完全支持浏览器前进/后退按钮操作,使多页面应用的导航体验更加自然。
-
代码编辑器智能扩展:代码输入区域现在能够根据内容长度自动调整高度,提高了长代码片段的可读性和编辑体验。
3. 视觉与布局升级
-
自定义主题系统:开发者现在可以为应用创建完全自定义的配色方案,满足企业品牌定制需求。
-
组件对齐控制:新增了对齐属性,使界面元素的精确布局变得更加简单。
-
间距优化:针对 Tab 和 ModalV2 组件增加了内边距设置,提升了视觉层次感。
技术架构改进
1. 状态管理增强
新增了清除所有页面和全局变量的方法,为复杂应用的状态管理提供了更精细的控制能力。
2. 性能优化
- 修复了查询竞争条件问题,提高了数据加载的稳定性
- 优化了表格排序算法,特别是对负数值的处理
- 解决了组件复制时的意外行为
3. 开发者体验
- 修复了查询面板调整大小导致的显示问题
- 改进了代码提示器的稳定性
- 优化了查询重命名时的焦点管理
应用场景建议
本次更新特别适合以下类型的应用开发:
-
金融科技应用:利用新的货币输入组件和表格增强功能,可以快速构建财务仪表盘或交易系统。
-
客户关系管理:电话输入组件和Markdown支持使得客户信息管理更加专业。
-
内部知识库:改进的导航体验和主题定制能力,适合构建企业级文档中心。
升级建议
对于现有用户,建议特别注意:
-
新的表格组件采用了不同的API设计,迁移时需检查相关查询和交互逻辑。
-
自定义主题功能需要重新评估现有的颜色方案,以充分利用新的主题系统。
-
键盘导航增强可能会影响现有的无障碍访问实现,建议进行兼容性测试。
ToolJet v3.9.0 通过引入这些新特性和改进,进一步巩固了其作为企业级低代码开发解决方案的地位,为开发者提供了更强大、更灵活的工具来构建复杂的业务应用程序。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00