JSON-Joy项目v17.32.0版本发布:CRDT文本编辑器的撤销/重做功能实现
JSON-Joy是一个专注于JSON数据操作和协作编辑的JavaScript库集合。该项目提供了一系列工具,用于处理JSON数据的创建、修改、同步和协作编辑,特别关注于CRDT(Conflict-Free Replicated Data Type)技术的实现,这使得分布式系统中的数据一致性维护变得更加容易。
在最新发布的v17.32.0版本中,JSON-Joy项目团队着重增强了其CRDT文本编辑器的撤销(undo)和重做(redo)功能,为开发者提供了更完善的文本编辑体验。这一版本的核心改进集中在json-crdt和json-crdt-peritext-ui模块中。
CRDT日志系统的撤销功能增强
在CRDT实现中,撤销操作远比传统编辑器复杂,因为需要处理分布式环境下的数据一致性。本次更新中,开发团队对Log.undo()方法进行了多项改进:
- 修正了LWW(Last-Writer-Wins)节点的撤销行为,确保在多用户同时编辑时撤销操作的正确性
- 实现了数组(arr)节点的撤销功能,可以正确处理数组元素的添加和删除
- 为二进制数据(bin)节点添加了删除操作的撤销支持
- 增强了字符串删除操作的撤销实现,确保文本删除后可以准确恢复
新版本还引入了.prevId()实用方法,帮助开发者更方便地追踪操作顺序。日志系统现在支持"非包含性"的回放功能,可以精确控制日志回放的范围,这对实现撤销堆栈非常有用。
文本编辑器的撤销/重做UI集成
在用户界面层面,json-crdt-peritext-ui模块获得了完整的撤销/重做功能:
- 新增了顶部工具栏的撤销/重做按钮,提供直观的操作入口
- 实现了内存中的撤销管理器(In-memory Undo Manager),高效管理编辑历史
- 改进了光标位置处理,在撤销/重做文本插入删除时能智能调整光标位置
- 添加了选择状态保存与恢复功能,确保撤销/重做后能保持原有的文本选择范围
编辑器现在能够报告插入范围信息,帮助开发者更好地理解编辑操作。性能方面也做了优化,撤销管理器不再跟踪每个操作的文本长度,减少了内存占用。
技术实现亮点
撤销功能的实现依赖于CRDT日志系统的增强。新版本允许日志系统立即执行自动刷新(autoflush),提高了响应速度。RGA(Replicated Growable Array)数据结构现在支持获取部分视图,这对于高效实现文本操作撤销非常关键。
在架构设计上,团队引入了"annals事件"机制来记录历史操作,为撤销/重做提供了统一的事件处理模型。调试功能也得到了增强,开发者可以更方便地查看撤销管理器的内部状态。
总结
JSON-Joy v17.32.0版本通过增强CRDT核心功能和改进文本编辑器UI,提供了更完善的撤销/重做体验。这些改进不仅提高了开发者的工作效率,也为构建更复杂的协作编辑应用打下了坚实基础。特别是对分布式环境下撤销操作的正确处理,展现了CRDT技术在实时协作系统中的独特价值。
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
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
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-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
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