Taiga UI v4.20.0 版本发布:全新组件与功能优化
项目简介
Taiga UI 是一个基于 Angular 的企业级 UI 组件库,专注于为开发者提供丰富、灵活且高性能的前端组件解决方案。该项目由 taiga-family 团队维护,广泛应用于各种 Web 应用程序开发场景。
核心更新内容
新增实验性组件
本次 v4.20.0 版本引入了多个实验性组件,为开发者提供了更多界面构建选择:
-
Accordion 手风琴组件
新增的 Accordion 组件允许开发者创建可折叠的内容区域,特别适合 FAQ 或内容分类展示场景。该组件支持平滑的展开/折叠动画效果,并提供了丰富的自定义选项。 -
Expand 扩展组件
Expand 组件是一个轻量级的展开/收起解决方案,相比传统的展开组件,它提供了更简洁的 API 和更灵活的样式控制能力。 -
Hint 提示组件
全新设计的 Hint 组件带来了现代化的提示样式,支持多种触发方式和位置定位,同时保持了良好的可访问性。 -
InputPin 数字输入组件
专为 PIN 码或验证码输入场景设计的 InputPin 组件,支持自动聚焦和数字验证,简化了这类特殊输入框的开发工作。
表单控件增强
-
InputNumber 数字输入组件升级
新版本的 InputNumber 组件进行了全面重构,提供了更精确的数字处理能力,包括:- 改进的数值解析逻辑
- 更灵活的步进控制
- 增强的格式化选项
-
表单验证优化
修复了多个表单相关组件的验证和显示问题,包括:- 修复了 InputPhone 组件在粘贴短电话号码时的解析错误
- 改进了 InputTag 组件在表格中的显示效果
- 修正了 PrimitiveTextfield 的 placeholder 计算逻辑
核心功能改进
-
对话框注入器支持
现在可以在 tuiDialog 选项中注入依赖,这为对话框内容的动态构建提供了更大灵活性。 -
暗黑模式打印优化
新增了打印模式下自动禁用暗黑主题的功能,确保打印内容的可读性。 -
提示系统增强
TuiHint 现在支持在 TuiHintManual 为 null 时仍保持悬停功能,提供了更一致的用户体验。
样式与交互优化
-
Tooltip 组件新增小尺寸
为 Tooltip 组件添加了小尺寸选项,适合在空间受限的场景下使用。 -
BlockStatus 图片高度修复
修正了 BlockStatus 组件中图片高度的问题,确保布局一致性。 -
Group 组件边框重叠修复
修复了 Group 组件在折叠模式下边框重叠的显示问题。
技术细节优化
-
时间处理改进
修复了 TuiTime.shift 方法在处理更高时间单位时的计算错误,确保了时间操作的准确性。 -
金额显示修正
修正了 tuiAmount 在值为零时错误隐藏负号的问题,确保财务数据的准确显示。 -
文本截断优化
改进了 LineClamp 组件的初始过渡效果,避免了内容闪烁问题。 -
确认对话框文本溢出
修复了 Confirm 组件中文本溢出的问题,确保长文本内容的正确显示。
向后兼容性
本次更新保持了良好的向后兼容性,所有 API 变更都遵循语义化版本规范。对于实验性组件,开发者可以放心试用,团队承诺在正式版中保持 API 稳定性。
升级建议
对于正在使用 Taiga UI 的项目,建议通过以下步骤升级:
- 备份当前项目
- 更新 package.json 中的依赖版本
- 检查是否有任何弃用警告
- 测试关键功能,特别是表单验证和对话框
新引入的实验性组件为开发者提供了更多选择,建议评估这些组件是否适合项目需求,特别是在构建现代化用户界面时。
总的来说,Taiga UI v4.20.0 版本在保持稳定性的同时,通过新增组件和功能优化,进一步提升了开发体验和应用质量。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00