dgmjs v0.37.0版本发布:增强图形约束与修复关键问题
项目简介
dgmjs是一个专注于图形编辑和可视化的JavaScript库,它提供了强大的图形操作能力和灵活的约束系统。该库特别适合需要构建复杂图形编辑界面的应用场景,如图表设计、流程图工具等。dgmjs通过其核心模块@dgmjs/core提供了丰富的图形操作API和约束机制,使开发者能够轻松实现各种图形交互功能。
新功能解析
增强的图形约束系统
在v0.37.0版本中,dgmjs团队对图形约束系统进行了重要增强,主要体现在以下几个方面:
-
父级移动过滤功能
新增了movableParentFilter参数,允许开发者在图形移动时对可移动的父级元素进行过滤。这一特性特别适用于嵌套图形结构,当子图形移动时,可以精确控制哪些父级图形可以随之移动。例如,在一个包含多个嵌套组的复杂图形中,开发者可以指定只有特定层级的父组才会被子图形的移动所带动。 -
继承样式约束查询
新增了对继承样式约束的查询功能,使得开发者能够更方便地获取和管理图形间的样式继承关系。这一功能强化了样式系统的灵活性,特别是在需要维护复杂图形样式一致性的场景下尤为有用。 -
对齐父级约束查询
新增了对齐父级约束的查询能力,简化了图形与父级对齐状态的管理。通过这一功能,开发者可以轻松检查图形是否设置了与父级的对齐约束,以及具体的对齐方式,大大提升了开发效率。
问题修复与改进
图形移动行为优化
-
多选情况下的父级移动问题
修复了在多选情况下父级可移动图形无法正常工作的问题。此前版本中,当用户同时选择多个具有可移动父级的图形时,移动操作可能无法正确应用。新版本确保了在多选场景下,所有选中图形的父级移动行为都能按预期工作。 -
页面作为父级时的移动处理
改进了当页面(Page)作为父级时的移动逻辑。现在,即使图形的movable属性设置为"parent",当父级是页面时,图形仍然可以自由移动。这一改进使得页面作为顶级容器时的行为更加符合用户直觉。
文本渲染修复
修复了有序列表中数字显示错误的问题。在某些情况下,当有序列表项以"2."开始时,系统会错误地渲染为"1."。这一修复确保了文本内容中数字序号的正确显示,提升了文本编辑的准确性。
技术影响与应用建议
本次更新主要针对图形约束系统和移动行为进行了优化,对于构建复杂图形编辑应用的开发者具有重要意义:
-
复杂图形结构管理
新增的父级移动过滤功能使得管理多层嵌套图形结构变得更加灵活。开发者现在可以精确控制图形层级间的联动关系,实现更精细的交互设计。 -
约束系统可观测性
新增的约束查询功能大大提升了约束系统的可观测性,使开发者能够更方便地调试和验证图形间的约束关系。 -
多选操作体验
多选情况下父级移动问题的修复,提升了用户在进行批量操作时的体验流畅度。
对于正在使用或考虑采用dgmjs的开发者,建议:
- 充分利用新增的约束查询功能来构建更健壮的图形编辑逻辑
- 在实现复杂嵌套图形时,合理使用
movableParentFilter来控制图形间的联动关系 - 升级后检查现有应用中是否存在多选移动场景,确保行为符合预期
dgmjs v0.37.0通过这些改进,进一步巩固了其作为专业图形编辑库的地位,为开发者提供了更强大、更稳定的图形操作能力。
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-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
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