dgmjs v0.36.0版本发布:增强图形编辑功能与修复关键问题
项目简介
dgmjs是一个专注于图形编辑的开源JavaScript库,它提供了强大的图形创建、编辑和操作能力。该项目特别适合需要构建流程图、架构图、UI原型等图形编辑应用的开发者。通过简洁的API和丰富的功能,dgmjs让开发者能够轻松实现复杂的图形交互功能。
核心功能增强
比例缩放功能优化
在v0.36.0版本中,dgmjs引入了一个重要的交互改进——按住Shift键进行比例缩放。这一功能在图形编辑领域被称为"约束比例缩放",它允许用户在调整图形大小时保持原始宽高比例不变。
技术实现分析: 当用户按住Shift键并拖动图形的控制点时,系统会计算当前鼠标位置与图形中心的距离,然后根据原始宽高比例自动调整另一维度的尺寸。这种实现方式确保了图形在缩放过程中不会发生变形,特别适用于需要精确保持比例的图标、徽标等图形元素。
多图形批量调整功能
另一个重要改进是支持同时调整多个选中图形的大小。这一功能极大地提升了批量编辑的效率,用户不再需要逐个调整图形尺寸。
技术细节:
- 系统会计算所有选中图形的边界框(Bounding Box)
- 根据用户拖动的控制点类型(角点或边中点)确定调整方向
- 按比例同步调整所有选中图形的位置和尺寸
- 保持各图形之间的相对位置关系不变
关键问题修复
尺寸吸附修正
v0.36.0版本修复了一个关于尺寸吸附的bug。在之前的版本中,当用户尝试在保持比例的情况下进行尺寸调整时,吸附功能可能会出现计算错误,导致图形无法准确对齐到预期的网格或参考线。
问题根源: 该bug源于比例约束和吸附功能的优先级处理不当。在同时启用比例约束和吸附功能时,系统需要先应用比例约束,然后在保持比例的前提下进行位置吸附计算。
技术价值与应用场景
dgmjs v0.36.0的这些改进特别适合以下应用场景:
-
专业图表设计:比例缩放功能让设计师能够精确控制图形元素的比例,确保视觉一致性。
-
批量图形处理:多图形同时调整功能大大提升了处理大量图形元素时的效率,适合系统架构图等复杂图形的编辑。
-
精确布局场景:修复后的尺寸吸附功能确保了图形能够准确对齐,满足需要精确布局的专业需求。
开发者建议
对于正在使用或考虑使用dgmjs的开发者,建议:
-
充分利用新的比例缩放功能来提升用户体验,特别是在需要保持图形比例的编辑场景中。
-
在处理多个图形时,优先使用批量调整功能而不是逐个修改,这可以显著提高性能。
-
注意测试各种边界条件下的尺寸吸附行为,确保在不同缩放比例下的表现符合预期。
这个版本的改进体现了dgmjs项目对用户体验和功能稳定性的持续关注,为开发者提供了更强大、更可靠的图形编辑工具。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00