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。
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