TinyEngine 2.1.0-rc.0版本发布:低代码开发平台迎来多项重要升级
TinyEngine是一款面向企业级应用开发的低代码平台,它通过可视化拖拽和配置的方式,帮助开发者快速构建Web应用。该平台提供了丰富的组件库、模板和工具,使开发过程更加高效便捷。最新发布的2.1.0-rc.0版本带来了多项功能增强和优化,进一步提升了开发体验。
核心功能升级
物料区块管理优化
新版本对物料区块的管理界面进行了全面改进。区块筛选功能现在拥有更加直观的UI设计,开发者可以更轻松地找到所需的组件。特别值得一提的是新增的全选功能,允许用户一次性勾选所有区块,大幅提升了批量操作的效率。
在物料分类方面,2.1.0-rc.0版本支持了分类和分组的合并功能。这一改进使得物料组织更加灵活,开发者可以根据项目需求自定义分类结构,让组件管理更加符合团队的工作习惯。
异步数据加载支持
本次更新引入了schemaDataAsync功能,为应用开发带来了异步数据加载能力。这意味着开发者现在可以处理需要等待数据返回的场景,如API调用等异步操作。这项功能特别适合需要与后端服务交互的复杂应用场景,大大扩展了TinyEngine的应用范围。
区块编译能力增强
新增的blockCompiler功能为区块开发提供了更强大的编译支持。开发者现在可以更灵活地定义和编译区块,使得自定义组件的开发过程更加顺畅。这一改进降低了区块开发的复杂度,为平台生态的扩展奠定了更好的基础。
重要问题修复
2.1.0-rc.0版本修复了多个影响开发体验的关键问题:
- 解决了导出名称不匹配的问题,确保了代码生成的一致性。
- 优化了状态管理中的getter实现,使状态获取更加可靠。
- 修复了插槽参数传递的问题,完善了组件间的通信机制。
- 改进了国际化绑定样式,提升了多语言支持的视觉效果。
- 修正了预览功能覆盖主文件的问题,保护了开发者的工作成果。
用户体验改进
除了功能性的增强,新版本还包含了一系列用户体验优化。包括界面元素的调整、操作流程的简化等,这些改进虽然细节,但能显著提升日常开发的舒适度。例如,国际化绑定的样式优化使得多语言配置更加直观,而区块筛选界面的改进则让组件查找更加高效。
总结
TinyEngine 2.1.0-rc.0版本在物料管理、异步处理、区块编译等核心功能上都有显著提升,同时修复了多个影响开发体验的问题。这些改进使得平台更加成熟稳定,能够更好地支持企业级应用的快速开发。对于正在使用或考虑采用低代码平台的团队来说,这个版本值得关注和试用。
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