NG-ZORRO 19.2.0 版本发布:新增分割面板与多项优化
NG-ZORRO 是基于 Angular 的企业级 UI 组件库,它提供了丰富的高质量组件,帮助开发者快速构建现代化的企业级应用。本次发布的 19.2.0 版本带来了一个全新的组件和多项功能优化,进一步提升了开发体验和组件稳定性。
新增分割面板组件
19.2.0 版本引入了一个实用的新组件——分割面板(Splitter)。这个组件允许用户通过拖动分隔条来调整相邻面板的大小比例,非常适合需要灵活布局的场景,如代码编辑器、数据分析工具等。
分割面板组件的主要特点包括:
- 支持水平和垂直两种布局方向
- 可嵌套使用,构建复杂的布局结构
- 提供平滑的拖拽体验和实时调整效果
- 支持设置初始尺寸和最小/最大尺寸限制
开发者现在可以轻松实现类似 VS Code 那样的可调整面板布局,大大提升了应用的交互性和可用性。
页面标题组件优化
页面标题组件(PageHeader)新增了一个实用的功能:当没有路由历史记录时,会自动隐藏返回按钮。这个改进解决了之前版本中即使没有可返回的页面也会显示返回按钮的问题,使得界面更加智能和符合实际使用场景。
文档新增示例
在标签页(Tabs)组件的文档中,新增了使用 Angular CDK 的 DragDropModule 实现可拖拽标签页的示例。这个示例展示了如何结合 NG-ZORRO 和 Angular CDK 来实现更高级的交互功能,为开发者提供了更多实现复杂需求的参考方案。
多项问题修复
本次版本还修复了多个组件的问题,提升了整体稳定性:
-
数字输入框(InputNumber):修复了输入数字以0结尾时被错误识别为输入完成的问题,现在会正确识别为输入进行中状态。
-
分段控制器(Segmented):修复了与 Angular 表单控件(FormControl)首次更新时不生效的问题,确保了表单控制的正确性。
-
选择器(Select):
- 修复了在默认模式下禁用多选数量限制(nzMaxMultipleCount)的问题
- 修复了多选模式下通过 ngModel 改变值时,未正确更新是否达到最大选择数量状态的问题
-
间距组件(Space):修复了在从右到左(RTL)布局下边距计算不正确的问题。
-
标签页(Tabs):修复了当标签页内容变化时,未正确更新活动路由标签页状态的问题。
-
树形选择器(TreeSelect):修复了在虚拟滚动模式下选项无法水平滚动的问题,提升了大数据量情况下的用户体验。
总结
NG-ZORRO 19.2.0 版本通过新增分割面板组件和多项优化,进一步丰富了组件库的功能集,同时提升了现有组件的稳定性和用户体验。这些改进使得开发者能够更加高效地构建功能丰富、交互流畅的企业级应用。建议现有项目及时升级,以利用这些新特性和修复。
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