Nocobase v1.7.0-beta.34 版本发布:强化数据导入与表单交互能力
Nocobase 是一款开源的、面向开发者的低代码开发平台,它通过提供丰富的组件和功能模块,帮助开发者快速构建企业级应用系统。本次发布的 v1.7.0-beta.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、表单交互和邮件管理等方面有显著改进。
核心功能增强
专业级数据导入功能升级
在数据导入方面,新版本引入了多项专业级功能:
-
多字段联合唯一性校验:现在可以配置多个字段组合作为唯一性判断依据,确保数据导入时的准确性。这在处理复杂业务数据时尤为重要,比如当单字段无法唯一标识记录时,可以通过组合字段(如"姓名+工号")来确保数据唯一性。
-
空白单元格处理策略:新增了两种处理空白单元格的选项:
- 覆盖空白:当目标记录已有数据时,可选择是否用空白值覆盖原有数据
- 忽略空白:导入时自动跳过空白单元格,保留原有数据不变
-
嵌套关系导出修复:修复了之前版本中嵌套关系数据导出失败的问题,现在可以完整导出包含关联关系的数据结构。
表单交互体验优化
表单是业务系统的核心交互界面,本次更新对表单功能进行了多项改进:
-
隐藏表单控件的焦点管理:修复了隐藏表单控件仍会捕获Tab键的问题,大幅提升了表单操作效率,特别是在复杂表单中切换字段时体验更流畅。
-
必填字段验证时机优化:在显示确认对话框前会先验证必填字段,避免了用户填写完表单提交时才发现必填项未填的尴尬情况。
-
代码编辑器高度可配置:为代码类型的字段增加了高度设置选项,开发者可以根据实际需要调整代码编辑区域的大小,提升编码体验。
邮件管理系统增强
邮件管理模块获得了多项实用功能:
-
待办标记与备注:现在可以为邮件添加待办标记和备注说明,方便团队协作和邮件跟踪管理。
-
标签系统:新增了邮件标签功能,支持自定义标签分类,结合原有的设置项,提供了更灵活的邮件组织方式。
技术优化与问题修复
前端交互改进
-
区块高度实时响应:修复了区块高度设置不能实时生效的问题,现在调整高度后界面会立即响应变化。
-
日期范围筛选样式优化:改进了日期范围筛选组件的视觉呈现,使其更加清晰易用。
-
联动规则条件修复:解决了嵌套条件变量渲染不正确和noneOf条件检查失败的问题,确保了业务规则的正确执行。
后端稳定性提升
-
UUID生成机制修复:修正了多对多关联关系中UUID或nanoid自动生成失效的问题,确保了关联数据的唯一性标识。
-
工作流审批改进:优化了审批流程中的数据计算和记录ID处理,修复了查看操作时的记录ID错误问题。
-
消息标记隔离:解决了"全部标记为已读"操作可能影响其他用户数据的安全性问题。
开发体验提升
-
Gitpod支持:新增了对Gitpod在线开发环境的支持,开发者现在可以一键启动开发环境,快速开始项目开发工作。
-
Node版本升级:将CI环境中的Node版本升级到20,以适应新版本依赖包的要求,同时也为开发者提供了更现代的JavaScript运行时环境。
总结
Nocobase v1.7.0-beta.34版本在数据管理、表单交互和邮件系统等方面都有显著提升,特别是专业级数据导入功能的加入,使得处理复杂业务数据变得更加高效可靠。同时,众多交互细节的优化和问题修复,进一步提升了系统的稳定性和用户体验。对于开发者而言,新的Gitpod支持和Node版本升级也带来了更便捷的开发体验。这些改进使得Nocobase作为企业级低代码平台的能力更加全面,能够更好地满足复杂业务场景的需求。
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