Yjs中相对位置转绝对位置的不一致问题解析
2025-05-11 00:49:22作者:吴年前Myrtle
问题背景
在Yjs这个实时协作编辑框架中,位置定位是一个核心功能。Yjs提供了两种位置表示方式:绝对位置和相对位置。绝对位置直接指向文档中的具体索引,而相对位置则通过结构化的方式描述位置关系,具有更好的稳定性。
问题现象
开发者在使用Y.createAbsolutePositionFromRelativePosition方法时发现了一个不一致性问题:即使在没有执行任何撤销/重做操作的情况下,根据followUndoneDeletions参数的不同设置,从同一个相对位置转换得到的绝对位置也会不同。
具体表现为:
- 创建一个文本类型并插入内容(如"abcde")
- 创建一个指向索引2的相对位置
- 立即使用
followUndoneDeletions=true转换该相对位置 - 结果得到的绝对位置不是预期的2,而是0
技术原理分析
Yjs的位置系统设计考虑了文档变更的复杂性,特别是处理撤销操作时的行为:
- 相对位置机制:通过描述位置与周围元素的结构关系来定位,不直接依赖索引值
- 撤销管理:
followUndoneDeletions参数控制是否跟踪已被撤销的删除操作 - 位置转换:将结构化的相对描述转换为具体的文档索引
问题根源
该问题的根本原因在于位置转换逻辑中的一个边界条件处理不当。即使在没有实际撤销操作的情况下,followUndoneDeletions标志仍然影响了位置计算过程,导致转换结果出现偏差。
解决方案
Yjs团队在13.6.21版本中修复了这个问题。修复后的行为:
- 当没有实际撤销操作时,无论
followUndoneDeletions如何设置,转换结果都保持一致 - 只有在确实存在撤销操作时,
followUndoneDeletions才会影响转换结果
最佳实践建议
- 版本选择:确保使用13.6.21或更高版本
- 位置转换:理解业务场景是否需要跟踪撤销操作
- 测试验证:对位置敏感的功能进行充分测试
- 文档参考:仔细阅读Yjs官方文档中关于位置系统的说明
总结
Yjs作为一款优秀的协作编辑框架,其位置系统设计精巧但实现复杂。开发者在使用位置转换功能时,应当注意版本兼容性并充分理解参数含义。该问题的修复进一步提升了框架的稳定性和可预测性,为开发者提供了更可靠的基础设施。
登录后查看全文
热门项目推荐
相关项目推荐
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
192
212
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
650
270
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
297
111
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
384
3.69 K
仓颉编译器源码及 cjdb 调试工具。
C++
128
857
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
React Native鸿蒙化仓库
JavaScript
243
316
本项目是CANN提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,提供Transformer定制化场景的高性能融合算子。
C++
66
96
暂无简介
Dart
633
143