宜搭和钉钉审批流的比较

过河的小卒子 过河的小卒子 博客等级 墨衍会员 · AI 创作全网分发 墨衍智能分发 本文由作者通过墨衍一键同步至各平台 1分发平台 7.4k累计阅读 7.4k平均单平台 已同步平台 优快云 微信公众号 微博 知乎 掘金 百家号 博客园 抖音 小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网 我也要 码龄10年
关注
原创 最新推荐文章于 2026-09-20 13:01:54 发布 7.4k 阅读 AI 写同款· GEO 优化 ›
【宜搭】低代码开发师中级证书选择题库 钉钉低代码开发师中级证书选择题答案 阅读详情

一、宜搭

版本介绍

使用场景

在宜搭的应用中，通过以下几类页面来配合完成完整的业务场景需求的解决：

  • 表单：存储或收集数据，通过权限配置实现不同角色人员能够拥有不同的数据增删改查、导入、导出等权限；
  • 流程表单：通过审批流程完成特定的业务，例如请假、报销等需要多级审批的场景；
    1.基本流程
    2.高级流程
    为满足丰富的流程需求，宜搭提供了高级的流程设计器，它不仅能满足普通设计器的几乎所有功能，还在此基础上增强了部分功能，例如增加了分支、聚合等组件；同时也对组件功能及设置进行了增强，区分基础和高级设置；执行人规则的重新制定、以及完成策略的设置；流程版本快捷上线和切换；规则设置的可视化。
  • 报表：在一个页面中将表单、流程中的数据或自建业务系统的数据进行智能数据分析并产出报表；
  • 自定义页面：通过低代码搭建展现或其他任何类型的自定义页，借助数据源或更丰富的组件实现应用Portal、复杂业务场景页；
  • 外部链接：在当前应用中将已存在的外部系统添加到导航中；

我们的关注点在流程表单的使用场景。

关于高级流程：

不仅能满足普通设计器的几乎所有功能，还在此基础上增强了部分功能，例如增加了分支、聚合等组件；同时也对组件功能及设置进行了增强，区分基础和高级设置；执行人规则的重新制定、以及完成策略的设置；流程版本快捷上线和切换；规则设置的可视化。

高级流程详细介绍

服务回调

0.1 服务注册
服务注册是使用服务回调功能的前置步骤，即将需要使用到的第三方服务的接口注册到宜搭平台上来，主要的功能在于设置接口的出入参信息、验权加密信息、权限控制、接口描述信息等，以便在使用时可以快速引用。
1.1 单据服务校验/服务执行

主要可用于单据使用过程中的可能使用到服务回调的场景，从使用方式上来说可以细分为服务校验和服务执行

  • 服务校验: 用于在表单提交时，调用业务服务接口校验数据的合法性，主要用于从业务侧判断用户提交参数的合法性，例如判断持有某个手机号的用户在本市主城区范围内是否拥有第二套住房，同步调用
  • 服务执行: 用于在单据提交/编辑/删除成功后，执行第三方服务调用，主要用于实时同步用户提交的数据到第三方，多用于二次处理或者数据归档的场景，异步调用
1.2 流程服务校验/服务执行
  • 校验规则: 流程发起/审批时，会调业务服务接口，根据返回的结果，判断是否能发起流程/审批.该场景是同步调用，会阻断数据提交
  • 关联操作: 在节点审批后，或者流程结束后，回调业务系统。这种场景是通知业务用，采用异步调用，不阻断流程
1.3 流程节点动态获取审批人
通过宜搭侧提供的流程节点动态获取审批人的方式，通过调用客户侧提供的服务接口，来动态的获取流程所需的审批人。并且由于流程在执行过程中，中间的审批人可以修改表单内变量的值，后续的节点可以根据更正后的表单数据动态的获取流程审批人，来满足一些动态的、复杂的业务场景的需求。
1.4 流程发起/查看权限动态验证
该使用场景主要针对宜搭平台侧提供的提供的静态的权限组人员配置（包括：部门、个人、角色）都无法满足，但是企业服务中可以提供相关的根据人员id判断指定流程是否有用发起和查询权限接口，以便将宜搭的流程权限配置以企业既有的统一权限系统进行打通，那么就可以使用该方式完成消流程实例的发起人以及流程实例查看人的动态配置。
1.5 消息通知服务动态选择接收人
该使用场景主要针对宜搭平台侧提供的既有人员通知类型（包括：按参与人通知、按角色通知、按指定人员通知、按表单页面内的人员变量通知、指定邮箱、指定钉钉群）都无法满足时，但是企业服务中可以提供相关的人员查询接口，那么就可以使用该方式完成消息通知服务动态选择接收人的配置。

总结： 除了在节点操作可以提供回调，提供了更为丰富的权限验证，消息通知。

1.6外部对接API

外部对接宜搭API

  • 流程实例API

    1. 发起流程
    2. 根据条件搜索流程实例ID
    3. 根据搜索条件获取实例详情列表
    4. 根据实例ID获取流程实例详情
    5. 删除流程实例
    6. 终止流程实例
    7. 根据实例ID批量获取流程实例详情
    8. 执行单个任务接口
    9. 获取审批记录
    10. 执行虚拟节点任务
    11. 流程实例更新
    12. 获取流程设计节点上的按钮列表

  • 单据实例

    1. 新增单据实例
    2. 更新单据中指定组件值
    3. 删除单据实例
    4. 根据单据实例ID查询单据实例详情
    5. 根据条件搜索单据实例ID列表
    6. 根据条件搜索单据实例详情列表
    7. 获取表单定义

  • 任务中心

    1. 已提交任务
    2. 待办任务
    3. 已完成任务
    4. 抄送我的任务（应用纬度）
    5. 抄送我的任务（企业维度）
    6. 任务转交
2.1 支持字段
1.表单字段
2.流程和表单内置字段

二、钉钉OA审批

企业使用的web系统需要在钉钉上实现智能工作流处理，可以选择复用钉钉官方工作流方案。企业内部开发者只需要专注于业务实现，将工作流处理流程托管到钉钉。

添加权限（前置操作）

添加应用工作流权限

回调数据

实例开始、结束


{
    "EventType": "bpms_instance_change",
    "processInstanceId": "ad253df6-e175caf-xxxxxxxxxxxx",
    "corpId": "corpidxxxxxxxxxxxxx",
    "createTime": 1495592259000,
    "title": "自测-1016",
    "type": "start",
    "staffId": "er5875",
    "url": "https://aflow.dingtalk.com/dingtalk/mobile/homepage.htm",
    "processCode":"Pro-xxx"
  }

任务开始


{
    "EventType": "bpms_task_change",
    "processInstanceId": "ce133dd0-5b22-9516-xxxxxxxxxxxx",
    "corpId": "corpidxxxxxxxxxxxxx",
    "createTime": 1495593189000,
    "title": "自测-1016",
    "type": "start",
    "staffId": "manager75",
    "processCode":"Pro-xxx"
  }

任务结束


{
    "EventType": "bpms_task_change",
    "processInstanceId": "ce133dd0-5b22-9516-xxxxxxxxxxxx",
    "corpId": "corpidxxxxxxxxxxxxx",
    "createTime": 1495593189000,
    "title": "自测-1016",
    "type": "start",
    "staffId": "manager75",
    "processCode":"Pro-xxx"
  }
开放接口
  • 创建或更新审批模板
  • 获取当前企业所有可管理的模版
  • 发起审批实例
名称类型示例值描述
approversStringmanager01, manager02审批人userid列表，最大列表长度20。多个审批人用逗号分隔，按传入的顺序依次审批。
  • 终止审批流程
  • 下载审批附件
  • 获取审批实例ID列表
  • 获取审批实例详情
  • 获取用户待审批数量
  • 获取指定用户可见的审批表单列表
  • 添加审批评论
  • 执行审批操作带附件
存在的问题：
1.无法得知具体审批节点   
2.参与人设置更依赖钉钉本身，无法灵活的动态设置参与人

三、具体使用

    在具体的日常使用中，我们可能更多是在下面两种场景下使用：
    一是在钉钉上直接自建流程表单，在钉钉上发起、审批、流转、结束，必要时可能还会借助他们提供的回调或者来通知外部应用。
    二是在钉钉上自建流程表单，在外部应用上发起，然后将数据通过提供的外部调用接口发起审批流程实例，主要使用他们的流程引擎，在数据流转过程中通过外部调用接口实时的进行数据交互。
    对于以上两种场景，钉钉OA工作流在第二点上功能比较单一，他的应用回调通过事件订阅来实现，只提供了两种订阅事件；同时对于数据的动态获取上，更依赖钉钉本身的通讯录。相比钉钉OA工作流，宜搭在这些功能上更加灵活和全面。

四、使用举例（以宜搭为例）

1.直接在宜搭上使用

在宜搭上搭建流程表单
  • 设计表单

基本数据设计完成以后，我们可以通过回调接口来设置数据校验和表单内容变更通知。

服务校验: 用于在表单提交时，调用业务服务接口校验数据的合法性，主要用于从业务侧判断用户提交参数的合法性，例如判断持有某个手机号的用户在本市主城区范围内是否拥有第二套住房，同步调用
服务执行: 用于在单据提交/编辑/删除成功后，执行第三方服务调用，主要用于实时同步用户提交的数据到第三方，多用于二次处理或者数据归档的场景，异步调用。 详见

  • 设计流程

基本流程转换以后，我们可以通过回调接口来动态获取审批人。通过调用外部服务提供的服务接口，来动态的获取流程所需的审批人。并且由于流程在执行过程中，中间的审批人可以修改表单内变量的值，后续的节点可以根据更正后的表单数据动态的获取流程审批人，来满足一些动态的、复杂的业务场景的需求。详见

  • 使用

在宜搭中，找到对应的流程，进行发起审批等功能的使用。

2.外部发起流程实例

外部发起流程实例在前期的流程构建上基本和内部应用一致。

  • 外部发起对接：
    我们可以在我的应用-具体应用-应用数据页面获取应用参数和应用密钥，然后调用提供的接口 发起流程

当我们在外部应用上完成发起后，后续流程的流转交由宜搭来实现，在具体的流转过程中，可以通过回调外部应用实时的数据完成权限校验，同时将审批结果同步到外部应用中。

标签
#宜搭 #钉钉
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
【干货分享】——宜搭核心设计和思考 简介：宜搭首席技术官谈宜搭核心设计和思考，宜搭平台是搭建企业协同办公领域应用的PAAS平台，自今年3月上云以来，宜搭已持续为近30位合作伙伴助力解决方案的提供，服务客户涉及新零售、医疗、银行、制造、酒店等多个领域。这里总结下最近两年的企业应用实践经验，分享下宜搭的设计以及背后的思考，欢迎大家讨论。 产品核心特征 　　产品核心特征总结为5点：低门槛、一站式、泛业务、高定制、高集成。 低门... 阅读详情

相关推荐

组合导航、惯导、GNSS、INS、IMU的区别

‌：惯性导航系统（INS）是一种利用安装在运载体上的陀螺仪和加速度计来测定运载体位置的系统。它通过测量物体的加速度和角速度，结合算法计算出物体的位置、速度和姿态‌12。‌。

wynn1123的博客 8052

钉钉开放平台和钉钉宜搭的关系

钉钉开放平台是阿里巴巴专为中小企业和团队打造的沟通、协同的多端平台，旨在为企业提供更为丰富的办公协同解决方案。钉钉开放平台提供了小程序和H5微应用两种开发类型，支持开发者通过钉钉提供的开发环境和生产环境，进行应用的开发、测试和发布。钉钉宜搭提供了丰富的表单、流程、报表等基础能力，以及强大的数据分析和可视化能力，帮助企业快速构建符合自身业务需求的应用。可以看出，钉钉开放平台和钉钉宜搭在功能和应用场景上有所不同。钉钉开放平台和钉钉宜搭在钉钉生态系统中都扮演着重要的角色，但它们的定位和功能有所不同。

anguang1973的专栏 824

YOLO11实战：手把手教你优化钢材表面缺陷识别模型（基于NEU-DET数据集）

本文详细介绍了如何使用YOLO11优化钢材表面缺陷识别模型，基于NEU-DET数据集进行实战训练。从数据增强、模型架构优化到训练过程控制，全面解析提升钢材缺陷检测性能的关键技术，特别针对裂纹、划痕等典型缺陷提出针对性解决方案。

weixin_29081163的博客 379

低代码平台-宜搭的核心概念

钉钉宜搭是云钉的低代码开发平台，提供基础的表单、流程、报表等场景搭建能力满足业务需求，还提供更加灵活的自定义页面能力，用于实现更加复杂的业务需求。钉钉宜搭自定义页面还可以借助钉钉宜搭应用的表单做数据存储，通过宜搭的 Open API 去做表单的 CRUD（增删改查），把宜搭当做数据库 + 图床使用，用于构建自己的前台展示类产品，如宜搭行业案例页面。

分享互联网的有趣知识~ 3988

Yolov8-pose关键点检测：训练准备篇 | 自己数据集从labelme标注到生成yolo格式的关键点数据

yolov8-pose关键点检测系列:从数据集标记到生成适合yolo的关键点格式

①答疑群聊服务；②YOLO大模型知识问答系统；③计算机视觉论文生成智能体； 5875

深度解析：企业AI效能度量框架的核心指标与落地路径，收藏级干货

资源成本：GPU利用率从31%提升到75%，云费用减少了50万元/年；工程效率：模型迭代周期从2周缩短到3天，部署成功率从70%提升到95%；模型性能：CTR从8%提升到12%，CVR从3%提升到4.5%；业务价值：增量收入达200万元/月，ROI达180%；伦理风险：推荐结果的差异影响比从0.7提升到0.9，用户投诉率下降了30%。现在，当CEO再问「AI项目值多少钱？

AI天才研究院 1807

为什么“云钉一体”的首步棋落在了“钉钉宜搭”上？

关注ITValue，看企业级最新鲜、最价值报道！ 面对早已定下的“云钉一体”战略方向，阿里近日顺利落下一子——推出了低代码开发平台钉钉宜搭。钉钉宜搭的诞生，在三个月前就已露出端倪。在2...

ITValue的专栏 792

【部署优化篇三】《DeepSeek边缘计算实战：把目标检测模型塞进树莓派，让AI在巴掌大的设备上“开天眼“》

谁说只有超级计算机才能跑AI？今天咱们就要在树莓派上玩转DeepSeek目标检测，让这个巴掌大的小盒子变成会‘看’世界的智能终端！本文手把手教你从零开始，把最潮的目标检测模型塞进树莓派。全程高能预警，建议准备好你的树莓派4B/5和散热风扇，咱们这就开启边缘计算的魔法之旅！

商务合作|问题讨论|交流学习 请联系作者微信，加微信请务必注明来意，博客主页有联系方式 1306

钉钉自有工作流注意点

一.接入流程 二.详细流程 1.创建模板 https://oapi.dingtalk.com/topapi/process/save?access_token= post请求 参数格式例子 { "saveProcessRequest":{ "name":"自定义审批3", "agentid":336405766, "process_code":"PROC-C12DC525-2791-4964-

weixin_39966115的博客 2680

基于Jeecgboot3.8.1的vue3版本前后端分离的flowable流程管理平台

基于Jeecgboot3.8.1的vue3版本前后端分离的flowable流程管理平台

宁波阿成的博客 1544

Trae中配置和使用MCP 服务保姆级教程

您好，我是程序员夏叶，深度AI编程使用者，专注于分享AI编程方面的使用技巧和经验，有兴趣的可以关注我的公众号，一起学习，共同进步。从21号开始，Trae开始陆陆续续的灰度推送了一次新版本，有的用户是21号收到的更新，有的用户是22号收到的更新，本次更新我愿称之为王炸级更新，具体更新内容可以去看我的上一篇文章。本次更新其中的一个内容就是支持了MCP 服务，那么什么是MCP呢，它的全称是。

cpp加油站的专栏 8200

2026年五款免费低代码平台深度对比：功能、额度与选型指南

低代码平台通过可视化拖拽和预置组件降低应用开发门槛，其核心原理是将表单、流程、数据看板等模块封装为可配置单元，让非技术人员也能快速构建业务系统。在数字化转型背景下，免费低代码平台成为中小企业验证需求、独立开发者搭建原型的首选工具，广泛应用于表单收集、审批流、数据管理和轻量级管理后台等场景。本文基于实际搭建经验，从功能完整度、免费额度、上手难度、扩展能力、适用场景五个维度，深度对比宜搭、简道云、明道云、钉钉搭、飞书多维表格五款主流平台，并给出不同场景下的选型建议与免费版长期使用策略。

weixin_30047059的博客 277

6.4 直流无刷电机(BLDC)：测试与性能评估

本文系统阐述了直流无刷电机(BLDC)的测试与性能评估方法，涵盖参数测量、性能测试、测试平台设计及可靠性评估。详细介绍了绕组电阻、电感和反电动势的测量原理与修正方法，以及转矩-转速特性、效率分析和动态响应测试的技术要点。通过搭建高精度测功机系统，结合自动化数据处理，实现对电机性能的全面评估。最后讨论了温升、振动、EMC等特殊测试方法，为BLDC电机的设计验证和质量控制提供了完整的技术路径。

技术工作者 442

每天一个宜搭小知识—流程设计—审批人节点

​审批人的职责是处理该节点上的审批任务，需要做出同意、拒绝转交加签退回等决策，一个流程至少包含一个审批节点，你可以根据需要自行增删审批节点。例如，某采购员工购买一批办公电脑，需要走公司流程进行报销，此时他可以提交一个报销申请表单，然后由财务人员去决定是否报销，需要决定此报销单是否同意、拒绝或其他，那么财务人员就是这个工作流场景当中的审批人。

ID19941234的博客 3121

TMS_WebGMaps_1.9.8.0_Full_Source

TMS_WebGMaps_1.9.8.0_Full_Source 全源码 delphi cbuilder

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

钉钉python实现审批（通过软件和钉钉审批流的结合）

为了实现工单系统，又不想自己去结合钉钉的组织架构实现一套审批流，所以采用钉钉的审批结合自己的系统去实现工单。 由钉钉实现审批流，软件实现查询，记录工单等。 一、具体流程 二、具体的实现方式 获取token的函数 def getToken(self): ''' 获取钉钉的token :return: 钉钉token ''' url ...

qq_26608423的博客 1万+

lwip-2.0.3

lwip是瑞典计算机科学院(SICS)的Adam Dunkels 开发的一个小型开源的TCP/IP协议栈。实现的重点是在保持TCP协议主要功能的基础上减少对RAM 的占用。

什么是宜搭 钉钉宜搭低代码 宜搭使用教程

宜搭具备高度的灵活性和适应性，支持多种应用场景和业务模式，例如企业级通信、项目管理、客户关系管理、内部协作等。在应用搭建过程中，宜搭还提供了丰富的组件和模板，能够快速构建高质量、可靠的应用。宜搭具有出色的可扩展性和易维护性。它可以与阿里云其他产品无缝集成，实现数据共享和协同办公。同时，宜搭还支持自定义业务流程和数据字段，为用户提供更加灵活的业务流程管理和优化方案。在未来，宜搭将继续不断优化产品功能和性能，以更加完善、高效的数字化业务应用解决方案满足用户需求。

weixin_43365685的博客 2323

蓝牙模块HM-10手册

蓝牙模块HM-10手册，该手册对蓝牙模块HM-10进行了详细的介绍和使用方法以及一些AT指令。

告别纸质审批！用宜搭轻松打造数字化办公流程

本章通过"请假申请应用"案例，详细讲解宜搭低代码平台的开发流程。重点介绍了表单设计（成员选择、日期组件、自动计算等）、流程配置（审批节点、抄送通知）和公式应用，对比了传统纸质审批与在线审批的优劣。教学内容涵盖从应用创建、组件拖拽到流程测试的全过程，帮助开发者掌握无纸化审批系统的搭建方法，为后续高级流程设计奠定基础。典型应用场景包括请假类型选择、天数自动计算和多级审批流转等。

归梦工作室 1593

钉钉“宜搭”，产品经理的需求管理利器

钉钉近期迎来了6.0版本大更新，产品布局化繁为简，界面设计清爽简洁。更新后在钉钉左侧的导航栏目中，我突然发现了【宜搭】目录，跟消息、文档、日历、邮箱等功能排列在一起。我的第一反应是，什么...

PMbaike的博客 4484

钉钉审批流的调用（官方推荐审批流）

1.定义审批模板 参考https://ding-doc.dingtalk.com/doc#/serverapi2/tvu5f4 使管理员在后台的管理界面中创建一个模板，在浏览器url中查找process_code参数记录下来后面发送钉钉审批时需要用到 2.发送审批 Postman测试钉钉审批流发送 1.获取access_token https://oapi.dingtalk.com/gettoken?appkey=appkey &appsecret=appsecret";//在钉钉管理员后台中获取a

asffxz的博客 1万+

钉钉生态宜搭深度解析：如何快速构建属于你的业务应用？

钉钉生态下的宜搭低代码平台为数字化转型提供高效支持。本文重点解析宜搭创建应用的三种方式：1）模板创建-适合标准化流程，提供预设表单和审批流，中小企业可快速部署人事、采购等系统；2）空白创建-提供完全自定义能力，IT人员可构建复杂业务流程；3）Excel导入-将历史数据快速转化为业务系统，适合有大量存量数据的企业。三种方式分别对应不同场景需求，用户可根据业务复杂度、技术能力选择合适路径。通过销售管理系统案例，展示了如何将Excel表格转化为功能完整的业务应用，体现平台的易

归梦工作室 1385

影刀RPA与钉钉、宜搭、云文档、AI结合的自动化办公应用研究

随着信息技术的快速发展，企业对于提高办公效率和质量的需求日益增长。影刀RPA（Robotic Process Automation，机器人流程自动化）作为一种新兴的技术，与钉钉、宜搭、云文档、AI等工具的结合，为自动化办公提供了新的可能性。本文旨在探讨影刀RPA与这些工具结合所能实现的自动化办公内容，以及其对提升企业工作效率和决策质量的影响。

enter回车键 2872

从零开始打造你的第一款宜搭应用：六步轻松上手指南

【宜搭应用快速入门指南】钉钉生态的宜搭平台凭借低代码开发优势，成为企业搭建管理系统的首选。本文以"客户意见反馈表"为例，分六步教学：1）登录钉钉进入宜搭创建界面；2）选择合适模板；3）命名并配置应用；4）个性化调整表单字段和权限；5）发布至应用中心；6）测试使用并查看数据看板。通过简单拖拽即可完成专业应用开发，实现高效数据收集与分析，助力企业数字化升级。

归梦工作室 2539

宜搭——下拉单选

最近，花了一周时间用宜搭做了个Web工具。中间遇到很多坑，还好宜搭的文档不错，除了基本的功能使用开发介绍外，还有很多专题案例，基本上可以找到答案，或从中得到灵感。选用宜搭的原因，除了团队最近在使用，主要还是因为它是低代码，可迅速搭建界面，开发语言是js，非常容易上手。 必备 先把个人觉得非常重要的文档和常用快捷键放上来： 文档 ...

Ralap Zhong的专栏 7084

宜搭产品生态伙伴政策——宜搭：高效的低代码应用构建平台

导语：本文中，阿里云智能运营专家斯麦跟大家分享了宜搭的产品生态及生态伙伴政策，并介绍了宜搭产品的应用场景、产品优势、产品价值和具体实践。 今天是我们距离3月21号宜搭正式发布公测以来刚好是第216天。今天会向大家介绍宜搭产品的生态伙伴政策。 首先考虑到还会有部分的伙伴不太了解这个产品，所以...

chikuai9995的博客 2263

钉钉生态宜搭：应用流程设计指南

钉钉旗下的宜搭平台为企业提供无代码/低代码构建业务应用的能力。本文重点介绍表单设计后的流程设计方法：通过编辑流程表单进入设计面板，自由添加审批节点并设置规则（如测试时可设为发起人自审），建议为节点命名以提高可读性。完成设计后需保存并发布流程，提交表单测试验证流程是否按预期运行。此外还建议探索条件分支、第三方服务集成等高级功能优化流程。宜搭的直观界面使非技术人员也能轻松搭建满足业务需求的高效应用，从表单设计到流程优化的全流程管理有助于提升工作效率和创新可能。

归梦工作室 1412

钉钉小程序生态6—钉钉OA自定义审批流的创建和使用

大家好！我是sum墨，一个一线的底层码农，平时喜欢研究和思考一些技术相关的问题并整理成文，限于本人水平，如果文章和代码有表述不当之处，还请不吝赐教。钉钉作为一款办公软件，审批功能是它的核心功能之一，最常见的审批场景就是请假和报销了。虽然钉钉也内置了一些审批流，但是审批场景层出不穷，光靠钉钉内置的那些是不够用的。尤其一些公司自己也有技术团队，则更希望可以二次开发一下，做一套更适合自己公司的审批流。那么本文我们就钉钉的审批能力来讲一下：钉钉OA自定义审批流的创建和使用。

summon的博客 2633
上一篇： @RequiresPermissions 生效
下一篇： mapstruct的使用
点赞 0
评论 2
书签 书签 7
过河的小卒子
过河的小卒子
博客等级 码龄10年 39粉丝 112原创
+ 关注
评论 2
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值