React Native Windows 0.77.0 版本发布:可靠性提升与新架构特性解析
React Native Windows 是微软推出的开源项目,它让开发者能够使用React Native框架构建原生Windows应用。这个项目为Windows平台提供了完整的React Native支持,包括UWP和WinUI两种实现方式。最新发布的0.77.0版本带来了多项重要改进,特别是在稳定性和新架构支持方面。
可靠性改进
本次更新在应用稳定性方面做了大量工作。首先解决了Web调试模式下TurboModule崩溃的问题,通过确保SampleTurboModule不会在Web调试器中使用来避免冲突。对于文本组件,修复了多次执行flattenStyle的问题,优化了渲染性能。
在样式渲染方面,修复了Paper模式下文本组件边框不显示的问题,同时解决了自定义原生属性在克隆时可能出现的问题。对于C#项目,更新了Microsoft.NETCore.UniversalWindowsPlatform至6.2.14版本,提供了更好的基础支持。
构建系统也获得了多项改进:修复了路径中包含空格时托管代码生成目标失败的问题;更新了RNW CLI工具,使其能够保留和重用init-windows命令的参数;清理了ReactNativeAppBuilder和ReactNativeWin32App的实现,使构建过程更加可靠。
新功能亮点
0.77.0版本引入了多项新功能。最值得注意的是全面启用了遥测数据收集功能,帮助开发者监控RNW的可靠性、性能和用法。这项功能从AppInsights迁移到了1DS平台,提供了更强大的数据分析能力。
项目模板也得到了增强,C++库模板项目现在支持导入Paper UWP或Fabric Composition属性/目标,为开发者提供了更多选择。新增的init-windows命令的--list选项可以方便地列出可用选项。
底层框架方面,React Native Windows现在基于WinAppSDK 1.6构建,带来了最新的Windows应用开发功能。发布版本中还增加了JS包创建的超时机制,防止构建过程无限期挂起。
新架构特性
对于采用新架构的项目,0.77.0带来了许多重要改进。在无障碍功能方面,实现了对AccessibilityState:Busy和"checked"状态的支持,并新增了UIA ExpandCollapse模式,允许自定义控件实现"展开"和"折叠"操作。
文本输入组件获得了autocapitalize属性支持,并修复了调整大小时光标在不聚焦的TextInput上可见的问题。新增了基本的阴影效果支持,为界面设计提供了更多可能性。
焦点管理方面有多项改进:更新了焦点视觉效果以使用cornerRadius和内外描边;修复了焦点视觉效果被相邻视图遮挡的问题;当Tab循环回到起点时会通知宿主以便处理焦点。
模态窗口功能大幅增强:现在可以在新窗口中托管RN组件;实现了onShow和onDismiss事件;修复了定位问题并移除了标题栏。视图系统也获得改进,设置了keyUpEvents/keyDownEvents的视图现在会形成堆叠上下文。
开发者工具改进
本次更新对开发者体验也有多项优化。临时禁用了NuGet包的数字签名以解决构建问题。实现了工具提示属性(tooltip property)和光标属性(cursor property),丰富了交互设计能力。
在组件实现方面,新增了ISelectionProvider和ISelectionItemProvider接口支持,为选择型组件提供了更好的无障碍体验。开发者现在可以重写UpdateLayoutMetrics和VisualToMountChildrenInto方法,获得更灵活的布局控制。
React Native Windows 0.77.0版本在稳定性、功能丰富度和新架构支持方面都取得了显著进步,为开发者构建高质量的Windows应用提供了更强大的工具集。无论是现有项目的升级还是新项目的开始,这个版本都值得考虑。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
ruoyi-plus-soybeanRuoYi-Plus-Soybean 是一个现代化的企业级多租户管理系统,它结合了 RuoYi-Vue-Plus 的强大后端功能和 Soybean Admin 的现代化前端特性,为开发者提供了完整的企业管理解决方案。Vue06- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00