Appsmith v1.55版本发布:表格组件增强与编辑器体验优化
Appsmith作为一款开源的低代码开发平台,近期发布了v1.55版本更新。该平台主要帮助开发者快速构建内部工具、管理面板和业务应用,通过可视化拖拽界面连接数据源并构建UI。本次更新聚焦于表格组件的功能增强和编辑器体验的全面优化,为开发者提供了更强大的工具和更流畅的开发体验。
表格组件功能增强
在本次更新中,Appsmith对表格组件进行了两项重要改进:
-
单元格对齐方式自定义:现在开发者可以在样式面板中为表格按钮单元格设置对齐属性。这一改进使得表格中的按钮布局更加灵活,开发者可以根据实际需求将按钮左对齐、右对齐或居中对齐,从而提升表格的整体美观性和用户体验。
-
自定义行组件支持:ads-old表格现在支持接收自定义行组件。这项功能为开发者提供了更高的灵活性,可以根据业务需求定制每一行的显示内容和交互方式。例如,开发者可以在表格行中嵌入复杂的交互元素或自定义样式,而不必受限于默认的行组件限制。
编辑器体验全面优化
v1.55版本对编辑器进行了多方面的优化,显著提升了开发效率和使用体验:
-
导航与标签页改进:
- 修复了默认标签页的分割逻辑,确保在不同场景下都能正确显示默认标签页
- 优化了查询标签页的滚动条边距,消除了视觉上的不协调感
- 解决了"移至页面"选项在只有两个页面时不显示的问题
-
菜单与交互优化:
- 修复了kebab菜单重命名时跳转到错误标签页的问题
- 当菜单没有选项时,现在会正确避免渲染空内容
- 改进了通用表单编辑器头的z-index问题,确保弹出层能正确显示
-
代码编辑增强:
- 新增了JS运行函数名称的最大长度验证,防止命名过长导致的问题
- 加强了JS代码编辑时的缩进验证,帮助开发者保持代码格式规范
集成与API改进
本次更新还对Appsmith的集成能力进行了优化:
- 修复了数据源和API中的一些小问题,提升了整体稳定性
- 改进了Calendly链接在"安排通话"功能中的表现
- 优化了Jira和Slack集成的Premium标签显示方式
技术细节与开发者建议
对于使用Appsmith的开发者,本次更新中有几个值得注意的技术细节:
-
表格自定义开发:利用新的自定义行组件功能,开发者可以创建更复杂的表格交互。建议在设计自定义行组件时保持一致性,确保与整体应用风格协调。
-
JS开发规范:新增的函数名长度限制(通常建议不超过一定字符数)和缩进验证,有助于维护代码质量。开发者应该注意遵循这些规范,特别是在团队协作项目中。
-
URL处理:更新后的URL评估逻辑更加精确,开发者可以更可靠地处理动态URL和参数传递。
Appsmith v1.55版本的这些改进,特别是表格组件的增强和编辑器体验的优化,将显著提升开发者的工作效率和应用质量。对于正在使用或考虑采用Appsmith的团队来说,这些更新值得关注和尝试。
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-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