Project-Graph 中节点生长逻辑的优化与实现
2025-07-08 18:37:33作者:凌朦慧Richard
在思维导图工具 Project-Graph 的开发过程中,节点生长逻辑是一个关键的用户体验点。1.7.3版本针对节点生长时父子关系的视觉一致性进行了重要优化,解决了当父节点位于框内时,新生成的子节点或同级节点也应自动包含在框内的问题。
问题背景
在思维导图应用中,节点框(通常表现为视觉上的容器)是一种常见的组织方式,用于将相关节点分组显示。在之前的版本中,当用户在框内节点上执行"生长"操作(添加子节点或同级节点)时,新生成的节点有时会出现在框外,破坏了用户预期的视觉一致性。
技术实现原理
该功能的实现主要基于以下几个技术要点:
-
节点继承机制:新节点需要继承父节点的容器属性,包括所属框的ID和位置信息。
-
框内坐标计算:当检测到父节点位于框内时,系统会自动计算新节点的初始位置,确保其位于父节点所在框的边界范围内。
-
动态布局调整:考虑到框的大小可能随内容变化,系统实现了动态调整算法,确保新增节点后框体能够自动扩展以容纳新内容。
实现细节
在代码层面,主要修改了节点生成模块的逻辑:
function generateNewNode(parentNode) {
const newNode = createBaseNode();
// 继承父节点的框属性
if(parentNode.containerId) {
newNode.containerId = parentNode.containerId;
newNode.position = calculatePositionWithinContainer(
parentNode.position,
parentNode.containerDimensions
);
}
return newNode;
}
用户体验提升
这一改进显著提升了以下用户体验:
-
视觉一致性:保持了思维导图的整洁性和逻辑性,相关节点始终位于同一视觉容器内。
-
操作效率:用户无需手动调整新节点的位置,减少了操作步骤。
-
认知负荷降低:符合用户"相关节点应该在一起"的心理预期,降低了使用时的认知负担。
总结
Project-Graph 1.7.3版本对节点生长逻辑的优化,体现了对用户思维过程和工作流的深入理解。这种细节上的改进虽然看似微小,但对于提升产品的整体可用性和专业性具有重要意义。未来还可以考虑进一步优化框内节点的自动布局算法,以及在复杂嵌套情况下的处理逻辑。
登录后查看全文
热门项目推荐
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
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
245
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
暂无简介
Dart
672
157
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++
662
313
React Native鸿蒙化仓库
JavaScript
262
323
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
860
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218