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。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00