Toga 0.5.0 发布:跨平台GUI工具包的全面升级
Toga 是一个基于 Python 的跨平台原生 GUI 工具包,它允许开发者使用相同的代码库为多个平台(包括 Windows、macOS、Linux、iOS、Android 和 Web)构建应用程序。Toga 的设计哲学是"一次编写,到处运行",同时保持每个平台的原生外观和感觉。
主要新特性
布局与样式增强
Toga 0.5.0 在布局和样式方面带来了多项重要改进:
-
新增 justify_content 属性:这个样式属性允许开发者沿盒子的主轴对齐子元素,提供了更灵活的布局控制。
-
间隙(gap)属性:现在可以在相邻的子元素之间添加空间,这对于创建整洁的界面布局非常有用。
-
简化的行和列创建:新增了
toga.Row和toga.Column作为toga.Box(style=Pack(direction=...))的快捷方式,使代码更加简洁。 -
样式属性直接访问:现在可以直接在控件构造函数中传递样式属性,或者作为属性访问,无需显式使用样式对象。
-
边距属性改进:
Pack.margin属性(及其已弃用的别名padding)现在可以通过括号表示法访问,如style["margin"]。
窗口管理增强
-
窗口状态控制:应用现在可以检测和设置窗口状态,包括最大化、最小化、正常、全屏和演示模式。
-
窗口焦点和可见性响应:窗口现在可以响应焦点和可见性的变化。
-
演示模式重命名:为避免与窗口全屏模式混淆,"应用全屏模式"已更名为"演示模式",相关API也相应更新。
平台特定改进
-
GTK4实验性支持:新增了对GTK4的初步实验性支持,可通过设置环境变量
TOGA_GTK=4启用。 -
Android相机方向:Android相机现在可以描述它们面对的方向(如果已知)。
-
GTK位置服务:Toga GTK现在通过集成GeoClue和XDG位置门户支持位置服务。
-
WebView增强:
WebView控件现在支持cookie的检索。 -
跨平台透明背景:在WinForms和iOS上,多个控件现在默认具有透明背景。
重要变更与兼容性说明
-
样式属性重命名:Pack的
padding和alignment属性已分别重命名为margin和align_items,以匹配CSS标准。旧名称仍然可用但已弃用。 -
窗口状态限制:
show()和hide()API现在不能在窗口处于MINIMIZED、FULLSCREEN或PRESENTATION状态时使用。 -
生成器事件处理程序弃用:使用生成器作为事件处理程序的方式已被弃用,建议改用异步协程。
-
实现创建方式变更:小部件现在通过
_create()方法创建和返回它们的实现,这对自定义小部件的开发方式有影响。 -
Travertino库变更:作为Toga样式系统基础的Travertino库现在由Toga发布流程管理,并带来了一些API变更。
性能与稳定性改进
-
内存泄漏修复:iOS后端的小部件在销毁时不再泄漏内存。
-
DPI缩放改进:Windows上的DPI缩放问题已得到显著改善。
-
布局优化:如果窗口大小在调整大小请求后未改变,将不再触发窗口内容的布局。
-
Android原生外观保留:在Android上设置自定义背景颜色现在会保留原生外观和感觉。
文档与示例增强
-
教程扩展:教程3已扩展,解释了浏览器示例的限制并建议了一些扩展活动。
-
API设计原则:新增了Toga API设计原则的总结文档。
-
Web后端截图:为Web后端添加了小部件截图。
总结
Toga 0.5.0 是一个重要的版本更新,带来了大量新功能、改进和错误修复。从布局控制的增强到窗口管理的完善,再到各平台特定功能的提升,这个版本使Toga成为一个更加强大和易用的跨平台GUI开发工具。对于现有用户,需要注意一些向后不兼容的变更,特别是样式系统相关的重命名和实现创建方式的调整。新用户则可以从更直观的API和更完善的文档中受益。
随着GTK4支持的引入和各平台特性的持续完善,Toga正朝着成为Python生态中最全面的跨平台GUI解决方案之一稳步前进。
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