Appearance
高阶
织信低代码高阶功能主要用于满足用户的深度业务需求场景，主要实现高度个性化页面定制、跨系统集成、大数据高并发等特定需求，例如实现经营管理系统（存在多类型报表、多系统数据集成）、业务前端app对接（存在前后端业务数据对接、定制化页面）
静态资源
支持静态资源的托管，服务器渲染（SSR）等能力，可以快速地实现静态或动态的网站上线。
一些场景下，织信的页面可能并不能满足您多样的展示需求时，就需要使用织信的网站功能。不需要编写任何后台代码，就可以将在织信上的数据以网站的形式展示出来。
使用场景
- 单独开发的活动页面上线，可将页面资源上传到该模块，实现功能的快速上线
- 使用SSR能力，实现门户网站、公司官网等需要SEO优化的页面。
- 数据表字段自定义数据交互，可将开发的页面嵌入到织信的表单中，使用平台提供的RPC服务 下的自定义组件字段服务实现数据的互通
- 自定义视图，可将开发的页面嵌入到织信的表单中，使用平台提供的RPC服务 下的自定视图服务实现数据的互通
组件设计器
组件设计器一个前端可视化设计工具，支持通过拖拽操作定制化页面设计，无需编写大量代码即可构建功能完备的前端页面。 在组件设计器中，用户可通过平台自己装载的html、elementUI、vantUI、echarts等组件实现拖拽式页面开发。也可以自行导入vue、css等文件。 开发好的组件工具，相较于传统编码而言，可在织信的数据表、仪表盘、数据表视图等模块通过上下文传递的方式实现快速对接。
实现原理
平台对于组件设计器搭建的组件，在渲染时使用Vue进行渲染。 平台会将设计人员构建的模板、样式和脚本(脚本蓝图会自动转换为脚本)按照Vue组件规范组转换为一个单文件组件(SFC)， 生成的Vue组件文件后交由Vue Cli以库模式(lib)编译生成最终的css和js，然后在引用组件的功能通过动态挂载CSS和JS方式最终将设计的组件渲染给用户。这一整个过程是由平台自动完成，无需设计人员干预。
数据查询的前后处理
在一些场景下我们对于数据视图中的数据需要进行一些前后置处理，比如数据加解密、脱敏、动态控制数据返回范围等操作。 可以根据业务需要，使用视图的数据查询前后处理功能。
使用场景
- 依据当前用户数据，动态查询当前用户的所有下级的所有户数据。通过使用查询数据的前处理为用户查询行为附加动态条件
- 对于一些需要对手机号、身份证号等数据进行脱敏或加解密处理的场景。通过使用查询数据的后处理对数据进行后处理。
打印模板
平台支持打印模板功能，通过功能提供的控件的组合可快速的实现合同、发票等类型数据的显示。结合浏览器的打印功能，可实现单据打印的功能。
打印模板支持通过自动化和URL地址方式展示。
使用场景
- 员工工牌、名片制作打印
- 物资二维码标签
- 报工单、入库单、出库单等打印
- 通过链接查询数据单据。
表单设计器
平台支持表单设计器功能，通过拖拽组合功能提供的各种表单组件可构建复杂且带有特殊交互逻辑的表单。设计完成的表单可被数据表、自动化、表单设计页面引用。
平台自带的数据表表单在布局和展示样式方面能力相对较弱，而表单设计器弥补了这部分的不足。
字段支持
表单设计器内提供了布局、容器、表单、展示、交互、数据表六大类字段支持。
- 布局：栅格、表格、标签页、折叠面板、行内布局、卡片等
- 容器：子表格、子表单、对话框、分组等
- 表单：文本类、选择类、日期、时间、颜色选择、富文本编辑器等
- 展示：静态图片、HTML内容、外部页面等
- 交互：按钮、分页、步骤条等。
- 数据表：表单设计器引用数据表后，可使用数据表内的所有已定义字段。
注意事项
表单设计器设计的表单仅为数据填入和展示的功能，不具备保存数据的能力，若需要保存数据需要搭配自动化或在数据表中引用 才能实现数据。
网格布局
网格布局是支持将系统内的模块、外部页面、网站页面、打印模板等以卡片的方式编排在同一个页面中。
相较于织信提供的默认展示模块而言，网格布局的作用在于将多个模块进行组合展示，通常用在搭建门户，标签页展示多个模块等场景下。网格布局内的模块间支持通过自动化实现数据的相互调用。
系统集成
- 平台支持通过对接OAuth2、LDAP、第三方认证等方式实现系统单点登录；平台也集成企业微信、钉钉、飞书，通过配置即可完成免密登录
- 平台通过配置API对外部系统提供数据接口，外部系统可通过接口调用对平台内的数据进行查询、增加、更新和删除操作
- 平台支持通过使用HTTP、JDBC、FTP等对接外部系统数据的能力。
扩展库
平台支持扩展库功能，通过扩展库可以扩展系统的能力。扩展库使用Java语言编写，编写完成后按照系统提供的包结构打包成zip上传，即可在系统内通过脚本调用。
在使用扩展库时，可引入informat-spi.jar调用系统底层开放的company(团队)、dept(组织架构)、app(应用)、user(应用成员)、system(系统函数)、`table(数据表)``等能力。
扩展库可用在系统内未支持的加密算法、文件的加密上传和解密下载、非常规http的WebService等类型接口、提供了Java SDK第三方系统的接口对接等场景下。
消息队列
平台集成了RabbitMq消息队列功能，以此保证在需要异步通信时，消息数据的可靠性、顺序性、持久性以及系统功能间的解耦。
比如在一些业务逻辑复杂逻辑执行耗时久的场景中，可通过将耗时的逻辑上下文发送消息队列中，再由消息队列的消费者异步处理，以提升使用体验。
搜索引擎
平台集成了Elasticsearch搜索引擎，通过对应用内的数据表数据进行索引后，可通过关键词模糊搜索数据表中数据。
搜索引擎模块数据源支持来自应用内多个数据表，对于搜索匹配字段支持设置索引类型，匹配权重和展示形式。
AI助手
平台集成了调用AI大模型的接口能力，可支持对接ChatGPT、Moonshot、智普、通义千问等主流大模型。 对于支持Function calling（函数调用） 的AI模型，可实现用户与AI对话的同时，完成对平台系统的自动化能力调用。实现例如，AI帮助人工完成对指定数据增删改查、调用API接口、发起审批流等日常操作。 深度场景下，还可以进一步发挥大模型自身的能力，例如对接向量数据库构建智能问答机器人，使用图像识别能力开发ocr工具等。
AI接入
市面上有Azure、Anthropic Claude、Google PaLM 2 & Gemini、智谱 ChatGLM、百度文心一言、讯飞星火认知、阿里通义千问、360 智脑、腾讯混元等公开的大语言模型，不同语言模型服务对接使用的协议也可能不尽相同。 为了方便模型的对接，可以通过本地私有部署One Api实现All in one的接口对接，通过对接调用One Api 代理出符合OpenAI规范的接口，实现语言模型对接的开箱即用
AI私有训练
在一些场景中，期望将一些大量的上下文内容提供给AI，让AI技术上下文数据进行回复。鉴于当前AI对于上下文的内容大小限制，全部发送给AI是不是现实的。 可以有以下两种手段解决
重新训练私有的AI模型
该方案对于计算资源投入太大，而且需要专业的AI工程师参与。
使用向量数据库
使用向量空间模型 将数据资料向量化。通过使用大语言模型的Function calling ，将用户输入的内容页向量化后，调用向量数据库查询相关内容返回给AI来缩减上下文的内容大小
国际化
平台提供了国际化的能力，通过多语言的配置，支持在平台提供的功能组件的的多语言。
平台内的国际化支持用户配置功能模块在不同语言下的展示内容。
应用维护
- 应用支持导入、导出和升级功能，使得用户可以在不同部署环境之间进行应用部署和升级。
- 应用也支持git多版本管理，支持应用版本的分支、合并、回滚等操作。
- 应用市场功能，支持用户将应用上传到平台的应用市场，方便应用的分发。
- 应用监控，用户可以实时查看应用的运行、错误和调试日志信息，分析应用的运行状态，快速定位和解决问题。
平台部署
平台支持本地私有化部署、云平台部署、Docker容器化部署以及集群部署。平台支持结合国产数据库、文件存储、消息中间、操作系统等方式的部署。