Gitee 企业版三大模块升级解读:项目、工作项、测试体系全面进化!
每一次团队规模的扩大,都会在项目流程上引发一轮新的挑战。如何让项目创建更标准?如何让流程配置更直观?如何提升工作项的流转效率、审批的透明度、字段的可控性?又该如何管理日益增长的测试资产、权限关系与跨分支协作?
Gitee 企业版在这次更新中,围绕项目管理、工作项体系、测试协作与版本控制等多个关键模块,进行了全面升级。从顶层结构到细节体验,力求为企业构建出一个更加高效、稳定、可演进的研发协作平台。
项目管理模板化,一键复用、统一规范
项目管理是所有协作的起点,但每次新建项目都要重新配置字段、流程和模块,既耗时又容易出错,不同项目之间标准难以统一。
本次更新中,项目管理能力迎来系统级重构:
- 新增项目模板机制,支持一键创建、集中管理、快速复用;
- 模板中可预设字段、模块、工作项类型与功能组件开关;
- 支持「极简模式 / 专业模式」选择,满足不同团队复杂度;
-
老项目结构已自动迁移为模板体系,确保平滑升级;
-
项目设置界面同步重构,全面对齐模板结构与模块定义。
工作项流程可视化,协作更顺畅
工作项既承载着日常协作的核心流转,又是流程最复杂、最容易失控的模块。流程配置依赖记忆,审批机制松散,字段管控不严,是许多团队效率流失的根源。
我们对工作项体系进行了三层级的系统升级:
结构层
引入可视化流程配置画布,支持拖拽建流、状态连线、权限分配、审批流嵌入。
字段设置
状态/工作流/审批设置
字段层
新增字段约束机制,支持状态触发字段必填 / 禁止修改,并允许跨状态快速复制配置。
使用层
- 周报支持选择所有与我相关的工作项;
- 子工作项 / 关联项支持按状态、负责人筛选;
- 工作项支持多个排序字段组合配置;
- 支持批量取消测试用例关联;
- 工作项详情页交互体验全面优化。
多角色协作不再混乱,历史记录也能轻松追溯
在多角色并行、组织结构复杂的企业环境中,角色权限不清、成员变动带来的数据断层一直是管理痛点。
这次更新带来两项关键提升:
- 支持单个成员绑定多个角色,权限范围按角色并集计算;
- 操作日志筛选下拉支持企业成员 / 离职成员分组与搜索,便于审计与历史定位。
测试操作减负:用例归档+版本复用
随着测试资产不断积累,用例版本难以管理、冗余数据无法归档,逐渐成为流程中的新负担。
测试模块本轮重点优化:
- 新增测试用例归档机制,支持单条 / 批量归档,归档用例禁止编辑操作并清晰标注;
- 测试计划支持复制,字段、版本、负责人、时间配置一键继承;
- 用例历史版本支持复制为当前或新版本,支持智能差异生成。
CherryPick 流程升级,跨仓 PR 一步到位
在多分支、多人、跨仓开发协作中,CherryPick 一直是高频又容易出错的操作。过去操作路径割裂、失败提示不清晰、流程不支持 PR 发起。
这次我们全面重构了 CherryPick 的交互与能力:
- 支持三种操作路径:CherryPick 到已有分支、新建分支、直接发起 PR;
-
自动识别当前仓库与 fork 关系,智能选择就近推送路径;
-
支持复杂跨仓场景,PR 页面也可直接发起;
-
提交流程更顺畅,失败提示更清晰。
自动化字段更聪明,流程衔接更智能
自动化流程中,人员字段的填充逻辑一直局限于当前工作项,缺乏上下游关系感知。
现在,自动化规则已支持:
-
复制子工作项的创建者 / 负责人;
-
复制父工作项的创建者;
-
复制关联工作项的创建者。
让自动化流程能覆盖更多真实协作场景,提升整体链路智能性。
无论是面向标准化建设的项目模板机制,还是强调流程清晰与权限精细的工作项体系,再到日益复杂的测试管理、跨仓协作与自动化流程,本次 Gitee 企业版的更新,正是为了帮助团队在规模化与高效协作之间,找到更优解。
我们将持续打磨每一个关键环节,助力企业构建更专业、更稳定、更具可持续性的研发协作体系。欢迎大家第一时间体验,并提出宝贵反馈。

低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。
持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。
转载内容版权归作者及来源网站所有,本站原创内容转载请注明来源。
-
上一篇
DeepEval - 开源 LLM 评估框架
DeepEval是一个简单易用的开源 LLM 评估框架,用于评估和测试大型语言模型系统。它与 Pytest 类似,但专门用于对 LLM 输出进行单元测试。DeepEval 结合了最新研究成果,基于 G-Eval、幻觉、答案相关性、RAGAS 等指标来评估 LLM 输出,它使用 LLM 和其他各种在本地运行的 NLP 模型进行评估。 无论你的 LLM 应用程序是 RAG pipelines、聊天机器人、AI 代理,还是通过 LangChain 或 LlamaIndex 实现,DeepEval 都能满足你的需求。借助它,你可以轻松确定最佳模型、提示和架构,以改进你的 RAG 管道和代理工作流,防止 prompt drifting,甚至可以自信地从 OpenAI 过渡到托管你自己的 Deepseek R1。 以类似于 Pytest 的方式轻松地“单元测试” LLM 输出。 即插即用 30 多个 LLM 评估指标,其中大多数都有研究支持。 支持端到端和组件级评估。 对 RAG、代理、聊天机器人以及几乎任何用例的评估。 使用最先进的进化技术生成合成数据集。 指标易于定制并涵盖所有用例。 红队,...
-
下一篇
腾讯混元3D生成模型家族更新:混元3D-Omni、混元3D-Part发布并开源
腾讯混元3D生成模型家族刚刚推出更新:混元3D-Omni、混元3D-Part发布并开源。 据称这是腾讯混元在可控3D生成上的新突破,让AI 3D建模更具实用性,加速3D生成模型在游戏、打印和AR/VR等实际生产流程中的落地应用。 作为业界首个统一支持多条件控制的3D生成框架,混元3D-Omni突破传统图像输入的局限性,支持多种模态输入,实现对物体几何结构、拓扑和姿态的精细控制。 混元3D-Part则实现了灵活可控的部件拆分和生成,让分解和生成3D模型像玩乐高一样简单。 混元3D-Omni 基于混元3D 2.1开源模型构建,就像 “3D界的ControlNet”,通过轻量化的统一控制编码器和渐进式难度感知训练策略,混元 3D-Omni能融合多达四类控制条件,显著提升生成的可控性和质量: 骨骼:在单图条件下加入骨骼数据,能精确调节生成人物资产的姿态,完美适用于动画制作或虚拟角色设计; 点云:注入完整物体点云或从深度图投影的部分点云,帮助消除单张图像的视觉歧义,提升几何细节,让3D模型更逼真可靠; 边界框:允许微调生成资产的长宽高比例,确保结果与预期对齐; 体素:针对物体结构进行精确调节,让...
相关文章
文章评论
共有0条评论来说两句吧...
文章二维码
点击排行
推荐阅读
最新文章
- Windows10,CentOS7,CentOS8安装Nodejs环境
- SpringBoot2整合Thymeleaf,官方推荐html解决方案
- SpringBoot2配置默认Tomcat设置,开启更多高级功能
- SpringBoot2整合MyBatis,连接MySql数据库做增删改查操作
- Windows10,CentOS7,CentOS8安装MongoDB4.0.16
- Mario游戏-低调大师作品
- Jdk安装(Linux,MacOS,Windows),包含三大操作系统的最全安装
- SpringBoot2全家桶,快速入门学习开发网站教程
- Crontab安装和使用
- CentOS7,CentOS8安装Elasticsearch6.8.6