DivKit 31.0.0版本发布:跨平台UI框架的重大更新
DivKit是一个由Yandex开源的跨平台UI框架,它允许开发者使用声明式的JSON格式来构建复杂的用户界面。通过统一的JSON描述,DivKit可以在Android、iOS和Web平台上渲染出完全一致的UI效果,大大提高了开发效率和跨平台一致性。最新发布的31.0.0版本带来了多项重要更新和改进,本文将详细介绍这些变化。
Android客户端重大变更
31.0.0版本对Android客户端进行了多项架构优化和API清理:
-
配置API重构:移除了
DivKitConfiguration.Builder.histogramConfiguration(HistogramConfiguration)方法,改用Provider模式提供直方图配置,这提高了配置的灵活性和延迟初始化能力。 -
变量控制器升级:废弃了
GlobalVariableController类,统一使用DivVariableController作为变量管理的标准接口,简化了API设计。 -
上下文管理优化:重构了
Div2Context的构造函数,现在更明确地要求使用ContextThemeWrapper而不是Activity,这提高了上下文管理的安全性和一致性。 -
工具提示系统增强:改进了工具提示(tooltip)的显示控制逻辑,现在可以更精确地控制工具提示的显示条件和行为。
-
性能改进:移除了
DivAutoLogger等过时的性能监控工具,整合了更现代的监控方案。 -
文本渲染改进:修复了文本范围重叠时的显示问题,并改进了行高计算逻辑,使文本布局更加精确。
iOS客户端重要更新
iOS端在这个版本中进行了深度的API清理和架构优化:
-
工具提示默认行为变更:工具提示的默认宽度现在与Android一致,采用
match_parent而非之前的wrap_content,确保了跨平台一致性。 -
动作处理系统重构:移除了
DivActionLogger协议,统一使用DivReporter作为报告机制,简化了事件跟踪架构。 -
变量管理简化:废弃了
DivVariableUpdater协议,整合了更简洁的变量更新机制。 -
API可见性调整:将多个内部使用的类标记为
@_spi(Internal),明确了公共API边界,防止误用内部实现细节。 -
新功能支持:增加了对文本范围基线偏移(baseline_offset)的支持,提供了更精细的文本样式控制能力。
Web客户端突破性变化
Web端在这个版本中进行了多项架构改进和功能增强:
-
全局命名空间变更:将全局API从
Ya.Divkit迁移到Ya.DivKit(注意大小写变化),这是为了统一命名规范。 -
数值处理升级:全面采用BigInt支持,要求现代浏览器环境,提供了更精确的大整数处理能力。
-
交互元素标准化:具有动作的元素现在默认渲染为
button标签,改善了可访问性和交互一致性。 -
构建系统现代化:从传统构建工具迁移到Vite/Rollup,提高了构建效率和模块化程度。
-
工具提示行为统一:调整了工具提示的显示逻辑,使其行为与其他平台保持一致。
-
新动作类型支持:增加了对
set_state和set_stored_value等新动作类型的支持,扩展了交互能力。
跨平台一致性改进
31.0.0版本特别注重各平台间行为的一致性:
-
双击动作处理:统一了各平台对
doubletap_actions的处理逻辑,现在Android和Web的行为完全一致。 -
非交互元素行为:调整了Web端非交互元素的点击处理,使其更接近原生平台的行为模式。
-
工具提示模态性:默认使工具提示具有模态行为,提高了用户体验的一致性。
开发者建议
对于正在使用DivKit的开发者,升级到31.0.0版本时需要注意:
-
仔细检查所有废弃API的使用情况,按照文档指引进行迁移。
-
特别注意Web端全局命名空间的大小写变化,以及构建输出的结构调整。
-
测试工具提示和交互元素在新版本中的表现,确保符合预期。
-
利用新的变量管理API和动作类型,可以构建更复杂的交互逻辑。
DivKit 31.0.0版本通过深度的架构清理和功能增强,进一步提高了框架的稳定性、一致性和易用性,为构建高质量的跨平台应用提供了更强大的基础。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C033
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
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C00
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-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
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