React DatePicker 8.0.0 版本发布:全面升级 React 19 支持
React DatePicker 是一个广受欢迎的 React 日期选择组件库,它提供了丰富的日期选择功能,包括单日期选择、日期范围选择、时间选择等。该组件库因其易用性和高度可定制性而受到开发者社区的青睐。
重大变更:parseDate 函数行为修复
在 8.0.0 版本中,开发团队修复了 parseDate 函数中存在的不一致和错误行为。这个函数负责将输入的日期字符串解析为 JavaScript 日期对象,其行为不一致可能会导致应用程序在处理日期时出现意外结果。
对于现有项目,特别是那些重度依赖 parseDate 功能的项目,建议在升级前仔细测试日期解析相关的功能,确保升级后不会影响现有业务逻辑。
React 19 全面支持
本次更新的一个重大改进是全面支持 React 19。随着 React 19 的发布,React DatePicker 也进行了相应的适配升级:
- 修复了 TypeScript 类型检查中与 React 19 相关的警告
- 更新了组件内部对 React API 的使用方式
- 确保所有功能在 React 19 环境下都能正常工作
对于正在使用或计划升级到 React 19 的项目,现在可以放心使用最新版的 React DatePicker 了。
功能改进与问题修复
隔离 DOM 支持改进
新版本修复了在隔离 DOM 环境下点击外部关闭日期选择器的问题。这一改进使得 React DatePicker 在 Web Components 或使用隔离 DOM 的现代前端架构中能够正常工作。
onFocus 事件处理修复
修复了一个条件判断问题,该问题阻止了 props.onFocus 回调函数的执行。现在,当日期选择器获得焦点时,onFocus 回调将按预期被触发。
依赖升级
项目升级了 date-fns 到 v4.1.0 版本。date-fns 是一个轻量级的日期处理库,这次升级带来了性能改进和新功能,同时也修复了一些已知问题。
开发者体验改进
除了功能性的改进外,8.0.0 版本还包含了一些提升开发者体验的改进:
- 修复了代码高亮库 hljs 的弃用警告
- 改进了 TypeScript 类型定义
- 优化了构建过程和开发工具链
升级建议
对于现有项目,建议按照以下步骤进行升级:
- 首先确保项目已经或计划升级到 React 19
- 在开发环境中测试日期解析功能,特别是自定义日期格式的情况
- 检查隔离 DOM 环境下的行为(如果适用)
- 验证 onFocus 回调是否按预期工作
- 运行完整的测试套件,确保没有回归问题
React DatePicker 8.0.0 版本标志着该项目对最新 React 生态系统的全面支持,同时修复了多个长期存在的问题,为开发者提供了更加稳定和强大的日期选择解决方案。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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