NG-ZORRO 19.1.0版本发布:新增CheckList组件与多项功能优化
NG-ZORRO是基于Angular的企业级UI组件库,由阿里巴巴团队开发和维护。它提供了丰富的组件和功能,帮助开发者快速构建高质量的Web应用。最新发布的19.1.0版本带来了几个重要的新特性和改进,让我们一起来看看这些变化。
新增CheckList组件
19.1.0版本引入了全新的CheckList组件,这是一个专门为多选场景设计的列表组件。与传统的CheckboxGroup相比,CheckList提供了更直观的列表展示方式,特别适合需要展示大量选项的场景。开发者可以通过简单的配置快速实现一个美观且功能完善的多选列表。
消息通知组件增强
Message和Notification组件在这个版本中获得了重要的功能增强。现在当内容使用模板时,开发者可以通过nzData属性向模板传递数据。这个改进大大提高了组件的灵活性,使得开发者可以更自由地定制通知内容,同时保持数据与视图的清晰分离。
浮层组件改进
Popover、Popconfirm和Tooltip组件在这个版本中获得了两个重要改进:
-
overlayClassName属性现在支持以空格分隔的类名字符串,这使得样式定制更加方便。开发者不再需要手动处理类名拼接,可以直接传入多个类名。
-
Popover组件新增了nzPopoverOverlayClickable属性,用于控制是否可以通过点击蒙层关闭面板。这个功能在需要阻止用户意外关闭重要提示的场景中特别有用。
问题修复
本次版本修复了几个重要问题:
-
InputNumber和Checkbox组件现在能够正确响应来自FormControl的禁用状态变化,解决了表单控制中的一致性问题。
-
InputNumber组件改用了input事件替代change事件,这修复了多个与输入相关的问题,包括值更新时机和用户体验问题。
-
TreeSelect组件修复了判断多个实例条件的错误,提高了组件的稳定性和可靠性。
代码重构与优化
19.1.0版本包含了两项重要的代码重构:
-
项目已经重构为使用ECMAScript标准的类成员语法,这使得代码更加现代和规范,同时也为未来的JavaScript特性支持打下了基础。
-
项目现在完全支持isolatedModules编译选项,这意味着开发者可以在自己的项目中也启用这个选项,享受更快的编译速度和更好的模块隔离性。
总结
NG-ZORRO 19.1.0版本带来了实用的新组件和多项功能改进,进一步提升了开发体验和组件质量。无论是新增的CheckList组件,还是对现有组件的增强和修复,都体现了团队对细节的关注和对开发者需求的响应。这些改进使得NG-ZORRO在企业级应用开发中更具竞争力,值得开发者升级体验。
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