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。
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