Khan Academy Perseus 53.1.0版本技术解析
Perseus是Khan Academy开发的一个开源数学交互式内容渲染引擎,主要用于呈现数学题目、图表和交互式组件。最新发布的53.1.0版本带来了一系列功能增强和问题修复,特别关注了组件公共选项导出和屏幕阅读器支持方面的改进。
核心功能增强
组件公共选项导出机制
53.1.0版本为多个交互式组件引入了公共选项导出功能,这一机制允许开发者获取组件的配置选项而不包含评分相关的内部数据。具体实现包括:
-
交互式图表组件:新增了获取公共选项的函数,可以提取用户配置的图表参数,如坐标轴范围、网格线设置等,同时过滤掉评分标准等内部数据。
-
表格组件:实现了表格配置的公共选项导出,包括行列设置、单元格内容等可公开的配置项。
-
矩阵组件:支持导出矩阵的维度、元素值等公共配置,便于在其他场景复用矩阵布局。
-
绘图器组件:新增了过滤评分数据的选项导出功能,保留了绘图区域设置、工具配置等公开参数。
-
Grapher组件:实现了函数绘图器的公共选项导出,包括函数表达式、坐标范围等核心配置。
这种标准化的公共选项导出机制为组件复用和配置管理提供了更好的支持,特别是在需要将Perseus组件集成到其他系统时特别有用。
屏幕阅读器支持改进
针对视障用户的使用体验,本版本对屏幕阅读器支持做了多项优化:
-
多边形绘图组件:全面增强了多边形绘制交互的屏幕阅读器支持,包括顶点位置朗读和操作反馈。
-
图表组件:修复了图表区域会暴露无关空图像给屏幕阅读器的问题,优化了焦点管理和ARIA属性。
-
线段组件:修正了两处屏幕阅读器朗读字符串中的拼写错误,提高了语音反馈的准确性。
这些改进使得依赖屏幕阅读器的用户能够更准确地理解和使用Perseus中的数学交互组件。
问题修复与优化
-
移动端显示问题:修复了在移动设备上,折叠容器内的可缩放内容在展开时可能不显示的问题,确保了响应式布局的正确性。
-
选择题样式问题:修正了单选组件中错误选项可能显示为蓝色而非红色的样式问题,统一了错误状态的视觉反馈。
-
坐标反转逻辑:将角度图表中的坐标反转逻辑移入评分系统,使交互行为与评分标准更加一致。
-
样式表配置:调整了Storybook中的Aphrodite样式配置,移除了自动添加的!important标记,避免样式优先级问题。
技术架构调整
-
Mafs集成:从交互式图表代码中移除了Mafs标志,简化了代码结构,为后续可能的渲染引擎切换做准备。
-
依赖更新:升级了WonderBlocks等核心依赖包的版本,确保使用最新的稳定功能和安全性修复。
这个版本体现了Perseus项目对可访问性和组件化设计的持续投入,通过标准化的公共接口和增强的屏幕阅读器支持,使得这个数学内容引擎更加健壮和包容。开发者可以更方便地集成和扩展这些组件,而视障用户也能获得更好的使用体验。
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~059CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。07GOT-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。00openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!C0381- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选









