Avue 3.6.3 版本发布:增强表格列拖拽与树形组件交互体验
项目简介
Avue 是一套基于 Vue.js 的前端 UI 组件库,它提供了丰富的表单、表格、树形控件等常用组件,特别适合快速开发企业级后台管理系统。Avue 的设计理念是"配置化开发",通过简单的 JSON 配置就能实现复杂的功能,大大提高了开发效率。
版本亮点
1. 树形组件交互增强
在 3.6.3 版本中,InputTree 和 Tree 组件新增了 checkOnClickLeaf 属性,这是一个非常实用的功能改进。当设置为 true 时,用户点击叶子节点会自动选中对应的复选框,而不需要精确点击复选框本身。这种交互方式更符合用户直觉,特别是在移动端或触屏设备上使用时,能显著提升用户体验。
2. 表格功能全面升级
自定义提示内容
Table 组件新增了 tooltipFormatter 属性,开发者现在可以完全自定义表格列的提示内容。这个功能特别适合处理长文本显示的场景,比如:
- 当单元格内容过长被省略时,显示完整的提示信息
- 格式化显示复杂数据(如 JSON 对象)
- 根据数据状态显示不同的提示内容(如异常数据高亮提示)
列拖拽功能
这是本版本最重要的功能之一,表格现在支持通过拖拽调整列顺序。这个功能在企业后台系统中非常实用,比如:
- 允许用户自定义关注的列顺序
- 调整重要信息的显示位置
- 实现个性化的表格布局
实现原理上,Avue 通过封装 HTML5 的拖放 API,结合 Vue 的响应式特性,使得列顺序的调整能够实时反映在界面上,同时保持数据的一致性。
3. 问题修复与稳定性提升
上传组件改进
修复了 Upload 组件 httpRequest 方法添加列参数的问题,现在开发者可以更灵活地控制上传请求的参数传递,特别是在需要附加额外信息(如业务ID、分类等)时更加方便。
复选框全选逻辑优化
解决了 Checkbox 组件在全选时处理禁用项目的边界情况,现在全选操作会智能跳过已禁用的选项,避免了无效选择和用户困惑。
Grid 布局修复
修复了 Grid 模式下 hide 属性不生效的问题,确保了组件隐藏控制的可靠性,这对于动态布局和权限控制场景非常重要。
技术实现解析
列拖拽的实现机制
Avue 的列拖拽功能实现主要包含以下几个技术要点:
- 拖拽事件处理:通过监听
dragstart、dragover和drop事件来实现拖拽的基本交互 - 数据同步:利用 Vue 的响应式特性,在拖拽完成后自动更新列配置数据
- 视觉反馈:在拖拽过程中提供实时的位置提示和视觉效果
- 状态持久化:建议开发者将用户自定义的列顺序保存到本地存储或后端,实现个性化配置的持久化
树形组件点击优化的实现
checkOnClickLeaf 功能的实现主要扩展了树形组件的事件处理逻辑:
- 在叶子节点点击事件中增加判断逻辑
- 当属性为 true 时,自动触发复选框的状态切换
- 确保与原有的事件处理逻辑兼容
- 维护组件状态的正确性
升级建议
对于正在使用 Avue 的项目,建议评估以下升级场景:
- 如果你的项目中有大量表格展示需求,特别是需要用户自定义视图的,强烈建议升级以使用列拖拽功能
- 如果使用了树形选择控件,且用户反馈选择操作不够直观,可以尝试启用
checkOnClickLeaf属性 - 对于使用 Grid 布局并依赖
hide属性的项目,建议升级以修复可能的显示问题
升级时需要注意版本兼容性,3.6.3 版本保持了对之前版本的 API 兼容,但建议全面测试核心功能,特别是自定义的组件扩展部分。
总结
Avue 3.6.3 版本虽然是一个小版本更新,但带来的功能改进非常实用,特别是表格列拖拽和树形组件交互优化,能够显著提升后台管理系统的用户体验。这些改进体现了 Avue 团队对开发者实际需求的深入理解,也展示了该组件库持续优化的决心。
对于企业级后台系统开发者来说,这个版本值得关注和升级,它能够帮助团队更高效地实现复杂的交互需求,同时减少自定义开发的成本。期待 Avue 在未来版本中带来更多创新和实用的功能。
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-X1-7BSpark-Prover-X1-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
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-X1-7BSpark-Formalizer-X1-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile015
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00