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。
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
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00