TDesign 2025年1月第三周更新速览:React与小程序组件库全面升级
项目简介
TDesign是腾讯开源的企业级设计体系,提供跨技术栈的UI组件库解决方案。本周TDesign团队发布了React for Web、Miniprogram for WeChat和React for Mobile三个技术栈的更新版本,带来了多项功能增强和问题修复,进一步提升了开发体验和组件稳定性。
React for Web 1.10.5版本亮点
新增功能特性
Radio组件家族迎来了重要更新,RadioGroup新增了theme属性,开发者现在可以更灵活地控制options渲染时的子组件样式。Upload组件新增了imageProps属性,在上传图片场景下可以透传Image组件的相关属性,为图片上传功能提供了更细致的控制能力。
AutoComplete组件新增了empty属性,支持开发者自定义空节点内容,提升了无数据状态下的用户体验。Drawer组件的sizeDraggable属性现在支持SizeDragLimit类型,为弹窗尺寸拖拽功能提供了更精确的控制方式。
问题修复与优化
Select组件的onChange回调现在能正确返回选项的全部内容,解决了之前数据不完整的问题。DateRangePicker修复了开始结束值同时存在的逻辑判断错误,提升了日期范围选择的准确性。Notification组件修复了attach属性导致的渲染节点异常问题,确保了通知消息的正确显示。
微信小程序1.8.5版本改进
功能增强
TreeSelect组件新增customValue属性,解决了value为空数组时的自定义选中值问题。Loading组件新增fullscreen属性,支持全屏加载效果,适用于页面级加载场景。ColorPicker增加了fixed属性,为颜色选择器提供了更多布局选项。
Guide组件现在支持自定义计数器,增强了引导功能的灵活性。Icon组件新增了多个常用品牌图标,同时优化了现有图标的显示效果。
关键修复
SwipeCell组件修复了在iOS设备上导致scroll-view无法滚动的问题,提升了移动端交互体验。Tabs和TabBar组件修复了徽标激活态颜色错误和子项内边距问题,确保了导航组件的视觉一致性。Search组件修复了禁用态样式错误,Input组件优化了光标显示问题。
React for Mobile 0.10.0重大更新
组件重构与增强
Radio和RadioGroup组件进行了全面重构,新增了block、borderless、placement等多个实用属性,大大提升了单选组件的灵活性和可用性。Rate评分组件也进行了重构,优化了API设计,新增了placement和icon属性。
Input组件新增了enterkeyhint和spellcheck属性,更好地支持了移动端输入场景。Swiper组件新增touchable属性,提供了更精细的手势控制能力。
稳定性提升
修复了Swiper组件因缺少ref传递导致的控制台报错问题,提升了组件的稳定性。Icon组件同样进行了优化,新增了多个常用品牌图标并优化了绘制路径。
总结
本次TDesign多端组件库的更新体现了团队对开发者体验和组件稳定性的持续关注。从React到小程序,从功能增强到问题修复,这些改进将帮助开发者更高效地构建高质量的企业级应用。特别是React for Mobile的0.10.0版本,多个组件的重构标志着移动端组件库正在走向成熟。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00