文件转Base64是一种将二进制文件编码为ASCII字符串的通用方法，通常适用于网络传输、嵌入文本、API接口数据封装、动态内容嵌入等场景。在JVS低代码开发平台中，可视化逻辑引擎中提供了【文件转Base64】的组件化配置，通过简单的配置就可以实现文件到ASCII字符串的无缝转换。常见的使用场景在自动化邮件发送流程中，需要将文件作为附件传递，但邮件组件仅支持文本内容传输时，可通过Base64编码将文件转为字符串嵌入邮件正文或附件字段。与第三方系统对接时，需将文件作为JSON/XML字段值传递（如调用OCR接口识别图片内容），Base64编码可确保二进制文件在文本协议中的兼容性。在生成富文本内容...

规则引擎作为实现业务决策自动化的关键引擎。通过预定义的语义模块编写决策逻辑，系统能够动态解释并执行规则，实现业务逻辑与技术实现的分离。可以帮助企业管理和执行复杂业务规则，可以用于需要灵活调整规则而不修改代码的场景。规则引擎的应用场景对于一些存在比较复杂的业务规则并且业务规则会频繁变动的系统比较适合使用规则引擎，比如：1、金融行业——信贷审批、风险控制用于动态评估贷款申请，例如根据客户的信用评分、收入情况、黑名单状态等条件进行自动审批。案例：金融公司需要通过规则引擎设定条件（如信用评分≥700分、月营收≥10万元），实现自动化贷款审批。2、保险行业——保单定价、理赔处理用于车险理赔中的责任判断及...

项目介绍JVS是企业级数字化服务构建的基础脚手架，主要解决企业信息化项目交付难、实施效率低、开发成本高的问题，采用微服务+配置化的方式，提供了低代码+数据分析+物联网的核心能力产品，并构建了协同办公、企业常用的管理工具等，所有的应用与能力采用模块化构建，按需开箱使用。更新日志一、JVS基础框架（数字化底座）当前版本：v2.3.X更新时间：2025.8.28本次功能更新到v2.4.X版本新增与优化1、优化基础框架角色管理及用户管理界面，新增快速关联用户按钮。用户管理增加离职人员数据的展示二、可视化服务编排逻辑引擎当前版本：v2.3.X更新时间：2025.8.28新增与优化1、优化逻辑引擎(独立版...

工厂管理好不好，智能排产很重要！工厂管理涉及的工作十分繁复，涵盖多个环节。现实中工厂管理整体水平偏低，是中小企业普遍存在的一个软肋。很多工厂管理人员分散，人员配置不足，甚至有的企业一人多岗，工作处于饱和状态。日常管理仅仅靠口头指示，亲力亲为，很明显不符合现代企业管理理念的要求。好的智能排产系统可以让工厂管理事半功倍，生产、工作效率提高，才能将更多的精力投入到产品质量当中。工厂管理有以下三个要点。一、物料管理在物料管理过程中，订单一旦下达，无法立即明晰所需物料数量及状态，导致物料准备不及时；物料清单（BOM）管理混乱，无法快速构建和查找；物料需求计算不准确，容易出现短缺或过剩的情况；库存管理缺乏...

在数字化办公场景中，企业对于数据流转效率和过程透明度的需求越来越高。线索跟进需要层层确认、项目进展难以追溯、跨部门协作信息断层、重要事项需通过第三方工具沟通等问题，都是企业普遍的困境。传统的表单修改缺乏痕迹管理，责任追溯耗时耗力，那么一个既能保留数据变更轨迹，又能实现实时沟通的智能解决方案，有吗？传统表单痛点传统表单仅仅能记录最终结果，无法捕捉数据变化的关键节点，例如：销售线索转化路径模糊，优秀经验难以沉淀项目进展更新后，团队成员需反复沟通确认细节重要决策依据分散在邮件、聊天记录中，审计追溯困难这些隐性成本其实一直在悄悄吞噬企业效率，而低代码平台通过表单设计中的填写评论功能，可以将数据变更过程...

在数字化浪潮席卷企业的今天，如何让业务系统真正"懂业务"？函数公式作为连接业务逻辑与系统能力的桥梁，成为提升平台灵活性与扩展性的核心要素。在低代码平台中，函数公式可以在各个场景中使用：从列表页动态交互控制到表单数据智能初始化，从逻辑引擎自动化决策到流程分支条件配置，函数公式通过将业务规则转化为可执行的代码逻辑，实现了从静态配置到动态响应的跨越式升级。为低代码平台注入了"所见即所得"的智能基因。场景说明在JVS低代码轻应用中，很多地方会使用到函数公式，如表单组件默认值、列表按钮显示配置、逻辑引擎字段值、流程条件配置等。操作配置列表页公式列表页的公式主要包含...

在工厂排产场景里，BOM（物料清单）和工艺路线经常被比作“做菜的食谱”与“做饭的步骤”，一个告诉你需要哪些材料，另一个告诉你具体怎么操作。但是在实际排产系统中，两者的物料配置是否必须绑定？能否独立使用？今天这篇文章，我们就不兜圈子了，直接讲明白。以下解读所用到的是开源的JVS智能排产系统。JVS-APS系统是由软开企服开源的一款智能排产系统，系统聚焦于离散制造行业（如汽车、电子、机械、航空航天等）及流程制造行业（如化工、食品、医药等），面向中大型企业客户，通过AI驱动的智能算法，实现生产计划与排程的高效性、准确性、敏捷性，帮助企业提升设备利用率、降低库存成本、缩短交付周期，实现精益生产与数智化...

一图胜千言！直方图是我们数据可视化中最常见的一种图表之一。直方图是数据可视化中用于展示数据分布特征的统计图表，通过矩形条的高度反映不同数据区间的频数或频率。它的核心在于将连续变量（如温度、销售额等）划分为若干区间（组距），统计每个区间内的数据量，并用矩形条的面积或高度直观展示数据分布情况。直方图又分为普通直方图、百分比直方图、散点直方图、统计直方图、径向直方图等等，相较于柱状图，直方图在数据处理和展示上，有独特的优势。直方图常用场景直方图的应用领域非常广泛，常见的有：医学研究：分析患者血压、体重等数据的分布，辅助制定治疗方案。市场营销：通过用户消费金额的直方图，识别高价值客户群体，优化定价策略...

很多企业里还在使用传统的“书架”来管理企业内部的资料，其实在这信息化时代，企业只有通过建立知识库，才能够进行知识的有效整合，使知识转化，达到共创、共享和应用创新的目的。但真正一提起知识管理建设，往往会出现：系统整合困难：知识管理多依赖纸质资料或现有系统（比如ERP、OA）的附加功能，缺乏专职部门和体系化流程，形成信息孤岛，知识无法打通。隐性知识未显性化：项目经验仅是存在个人脑中，没有通过工具转化为可共享内容。缺乏长期规划：知识管理被视为短期项目，没有建立持续更新的机制。知识管理场景单一：知识库只是用来存储，没有与业务场景结合。结果就是，知识管理逐渐成了“可有可无”的摆设—— 文档越积越多，能用...

项目介绍JVS是企业级数字化服务构建的基础脚手架，主要解决企业信息化项目交付难、实施效率低、开发成本高的问题，采用微服务+配置化的方式，提供了低代码+数据分析+物联网的核心能力产品，并构建了协同办公、企业常用的管理工具等，所有的应用与能力采用模块化构建，按需开箱使用。更新日志一、生产计划排程系统（APS）当前版本：v2.3.X更新时间：2025.8.13在线demo：************************新增与优化1、逻辑修改：除资源甘特图外其它所有报表，始终显示基于上一次正式排产引擎计算出的计划结果（调整前的状态）。2、保存所有编码字段时自动去除前后空格，以免失误多输入导致匹配失败...

前段时间，和客户交流的时候聊到一个需求，对方希望业务逻辑能可视化操作配置化实现，并且还可以复用，避免每次从头开始。在这个需求变化快的数字化时代，其实这是很多企业想要实现的需求。希望不用写代码也能处理复杂业务，逻辑清晰，好维护，可以像工具箱一样随时调用。其实早在我们做项目的时候也是想有一套这样的系统，于是我们自己研发了JVS-Logic。逻辑引擎架构图逻辑引擎的定位核心功能：提供界面化、易于基础能力扩展的，实时配置、调试、发布的程序设计与运行执行的环境。使用人群：具备一定技术认知的实施人员（懂一些技术的产品经理、需求经理，懂业务的技术人员等）基础价值：业务功能实现的低成本、高质量、高效率，降低对...

JVS低代码轻应用快速开发采用所见即所得的配置思路，表单是低代码中最基础的业务配置引擎之一，快速的通过表单配置实现数据输入、数据存储，数据展示。那么在轻应用下直接点开菜单打开的表单，录入数据提交到数据模型，后续我们使用或查看数据也是可以快速通过配置实现。场景说明例：问卷调查，普通用户在应用目录下点击菜单打开问卷表单填写数据，管理用户拿到数据再做后续处理操作配置如下图，先在演示应用下直接建表单从目录打开表单填写数据，如下图数据使用1、在其他数据模型表单中使用表单上通过单行文本开启回填查询下拉框、表格组件开启关联模型2、在其他数据模型的列表页上展示3、在逻辑引擎中通过查询组件查询出数据供后续节点使...

在数字化转型的浪潮中，企业经常会面临数据录入效率低、跨部门协作不畅、业务人员反复填写重复信息导致操作疲劳等痛点，传统表单工具僵化的配置方式让个性化需求难以满足。在低代码开发中，可以通过表单组件（获取默认值）的默认值预设、动态函数公式调用等帮助企业快速构建适应业务变化的表单体系。无论是自动填充用户部门信息、关联岗位角色权限，还是通过公式计算生成业务日期，都能降低表单使用成本，提升数据采集效率。应用场景在实际业务场景中，表单默认值配置可以提升数据录入效率和准确性，比如：个人信息预填：配置单行文本（姓名）、下拉框（部门），员工在提交请假申请时，姓名/工号/部门可以自动填充流程审批自动赋值：配置人员选...

当下IT界，人工智能非常火爆，人工智能核心功能包括自主学习、环境感知、智能决策、服务调用等等一系列的能力集合成的可交互的程序体，现在有相对火爆的 coze、dify，也有传统的 drools、node-red等相关的工具，对于老一些的工具界面、交互操作、功能设计 都存在或多或少的 问题，对于新兴的工具，主要集中在 对于大模型、AI能力的编排上，但是侧重于企业级的使用其实存在问题的，例如：领导需要去年的利润率，那么如果存在5% 的误差，那么 系统的可用性 绝对是 “NO”，所以对于企业级场景来讲 是需要 柔性化（灵活配置）、高效（并发）、精准（基于既定的业务规则）、普适（提高复用度）的“智能体”...