Tiptap编辑器提及功能全攻略:从卡顿到丝滑的实现之路
2026-03-30 11:43:54作者:余洋婵Anita
当用户在编辑器里敲下@符号,期望立刻看到匹配的同事列表;当系统需要同时支持@用户和#标签两种触发方式;当10万级用户数据让下拉列表变得卡顿——这些真实场景中,Tiptap的提及功能如何优雅应对?本文将带你从问题出发,拆解核心技术原理,落地一套高性能的提及解决方案。
一、核心概念:为什么@提及比想象中复杂?
提及功能看似简单,实则是编辑器交互中的"集大成者"。它就像搜索引擎的自动补全——用户输入触发字符后,系统需要实时检索、智能排序、高效渲染结果,同时还要处理光标定位、键盘导航等细节。
核心组件三要素:
- 触发系统:监听特定字符(@/#)的输入事件
- 数据处理:快速筛选匹配项,支持大数据量查询
- UI渲染:动态定位下拉框,处理选择交互
Tiptap通过extension-mention模块将这些能力封装,基于ProseMirror的Suggestion插件构建,让开发者无需从零实现复杂逻辑。
二、工作流程:从输入@到插入标签的全过程
提及功能的工作流可以概括为"监听-查询-展示-插入"四步曲:
sequenceDiagram
participant U as 用户
participant E as 编辑器
participant S as 建议系统
participant D as 数据源
U->>E: 输入@字符
E->>S: 触发建议事件(携带当前上下文)
S->>D: 发送查询请求(含输入关键词)
D-->>S: 返回过滤后的匹配列表
S-->>E: 渲染下拉选项(定位到光标下方)
U->>E: 选择列表项(鼠标/键盘)
E->>S: 请求创建提及节点
S-->>E: 插入格式化标签并保留光标位置
💡 关键技术点:建议系统会自动处理光标位置计算,确保下拉框始终显示在视野内,即使在编辑器滚动时也能准确定位。
三、基础实现:3步搭建可用的@提及功能
🔧 步骤1:安装核心依赖
npm install @tiptap/core @tiptap/extension-mention @tiptap/vue-3
🔧 步骤2:配置编辑器实例
import { Editor } from '@tiptap/core'
import Mention from '@tiptap/extension-mention'
import Document from '@tiptap/extension-document'
import Paragraph from '@tiptap/extension-paragraph'
import Text from '@tiptap/extension-text'
// 创建编辑器实例
const editor = new Editor({
content: '<p>在这里输入@试试</p>',
extensions: [
Document,
Paragraph,
Text,
Mention.configure({
// 基础样式配置
HTMLAttributes: {
class: 'mention-tag' // 自定义类名,用于样式控制
},
// 建议系统配置
suggestion: {
char: '@', // 触发字符
// 筛选逻辑:根据输入关键词过滤用户列表
items: ({ query }) => {
// 模拟用户数据,实际项目中替换为API调用
const userList = [
{ id: 'u1001', name: '张晓明', dept: '产品部' },
{ id: 'u1002', name: '李静', dept: '研发部' },
{ id: 'u1003', name: '王强', dept: '设计部' }
]
// 模糊匹配,不区分大小写
return userList.filter(user =>
user.name.toLowerCase().includes(query.toLowerCase())
).slice(0, 6) // 最多显示6项
}
}
})
]
})
🔧 步骤3:添加视觉样式
/* 基础提及标签样式 */
.mention-tag {
background: #e8f0fe;
border-radius: 3px;
padding: 0 3px;
margin: 0 1px;
color: #165dff;
font-weight: 500;
text-decoration: none;
}
/* 下拉建议框样式 */
.tiptap-suggestion {
background: white;
border: 1px solid #e0e0e0;
border-radius: 6px;
box-shadow: 0 2px 10px rgba(0,0,0,0.1);
padding: 8px 0;
min-width: 200px;
}
.tiptap-suggestion-item {
padding: 6px 12px;
cursor: pointer;
}
.tiptap-suggestion-item:hover {
background: #f5f5f5;
}
四、功能扩展:从基础到企业级的能力提升
多类型提及:同时支持@用户和#标签
通过suggestions数组配置多触发类型:
Mention.configure({
suggestions: [
// @用户提及配置
{
char: '@',
pluginKey: 'user-mention', // 唯一标识,避免冲突
items: ({ query }) => fetchUserList(query),
// 自定义插入逻辑
command: ({ editor, range, props }) => {
editor
.chain()
.focus()
.insertContentAt(range, [
{
type: 'mention',
attrs: {
id: props.id,
label: props.name,
type: 'user' // 区分用户类型
}
},
{ type: 'text', text: ' ' } // 插入空格避免连续触发
])
.run()
}
},
// #标签提及配置
{
char: '#',
pluginKey: 'tag-mention', // 不同的pluginKey
items: ({ query }) => fetchTagList(query),
// 标签专用插入逻辑
command: ({ editor, range, props }) => {
// 标签插入实现...
}
}
]
})
性能优化:10万用户数据下的加载策略
| 优化方案 | 实现方式 | 时间复杂度 | 适用场景 |
|---|---|---|---|
| 基础查询 | 全量过滤 | O(n) | 数据量<1000 |
| 防抖查询 | 300ms延迟触发 | O(n) | 高频输入场景 |
| 分页加载 | 每次加载20条 | O(1) | 数据量>1万 |
| 服务端搜索 | 后端接口过滤 | O(log n) | 数据量>10万 |
💡 企业级实践:结合防抖+服务端搜索,同时实现查询结果缓存,可支持百万级用户数据的流畅体验。
五、避坑指南:常见问题与解决方案
问题1:提及标签无法删除
原因:默认配置下,删除@符号不会自动删除整个提及节点
解决方案:启用删除触发字符同步删除节点
Mention.configure({
deleteTriggerWithBackspace: true // 删除@时同时删除整个提及标签
})
问题2:下拉框位置偏移
原因:编辑器容器存在滚动或定位层级问题
解决方案:自定义定位逻辑
suggestion: {
// ...其他配置
render: () => {
return {
// 自定义定位函数
update: ({ decorator, state, view }) => {
const { from, to } = state.selection
const start = view.coordsAtPos(from)
const end = view.coordsAtPos(to)
// 根据光标位置动态计算下拉框位置
decorator.updatePosition({
top: end.bottom + 4,
left: start.left,
})
}
}
}
}
六、技术选型建议
Tiptap的提及功能适合大多数Web编辑器场景,但在选择前请考虑:
适用场景:
- 协作编辑工具(如团队文档、在线协作文档)
- 社交平台(评论、动态中的@功能)
- 内容管理系统(标签快速插入)
局限性:
- 不支持跨编辑器实例的协作(需配合yjs等同步方案)
- 复杂UI定制需要深入理解ProseMirror插件系统
- 移动端适配需额外处理触摸事件
对于轻量级需求(如简单评论@),可考虑更轻量的库;但需要高度定制或与其他Tiptap功能联动时,官方mention扩展仍是最佳选择。
通过本文的方案,你可以快速实现从基础到高级的提及功能,同时避免常见性能陷阱。Tiptap的模块化设计让功能扩展变得简单,无论是添加新的触发类型还是优化交互体验,都能找到对应的解决方案。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust071- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
Hy3-previewHy3 preview 是由腾讯混元团队研发的2950亿参数混合专家(Mixture-of-Experts, MoE)模型,包含210亿激活参数和38亿MTP层参数。Hy3 preview是在我们重构的基础设施上训练的首款模型,也是目前发布的性能最强的模型。该模型在复杂推理、指令遵循、上下文学习、代码生成及智能体任务等方面均实现了显著提升。Python00
项目优选
收起
暂无描述
Dockerfile
688
4.45 K
Ascend Extension for PyTorch
Python
541
666
Claude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed.
Get Started
Rust
395
71
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++
955
922
本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息
647
230
openEuler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。
C
407
322
Oohos_react_native
React Native鸿蒙化仓库
C++
336
385
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.59 K
924
昇腾LLM分布式训练框架
Python
145
172
暂无简介
Dart
935
234
