Mermaid 11.6.0版本发布:新增雷达图与流程图曲线配置修复
Mermaid是一个基于JavaScript的图表和流程图生成工具,它使用类似Markdown的简单语法来创建复杂的图表。通过简单的文本描述,用户可以快速生成各种类型的图表,包括流程图、序列图、甘特图等。
主要更新内容
1. 新增雷达图支持
本次11.6.0版本最引人注目的新特性是新增了对雷达图(Radar Chart)的支持。雷达图是一种多变量数据可视化图表,常用于显示多个变量的相对表现。它由多个从中心点向外辐射的轴组成,每个轴代表一个不同的变量,数据点连接形成多边形。
雷达图特别适合用于:
- 比较多个项目的多个属性
- 展示个人或团队在不同技能领域的评估
- 产品特性对比分析
开发者可以通过简单的Mermaid语法创建雷达图,这大大简化了原本需要复杂JavaScript代码才能实现的数据可视化过程。
2. 流程图曲线类型配置修复
本次版本修复了一个关于流程图曲线类型配置的重要问题。在之前的版本中,用户通过以下方式配置流程图曲线类型时可能会遇到不生效的问题:
- 全局配置(Config)
- 初始化指令(%%{ init: { 'flowchart': { 'curve': '...' } } }%%)
- LinkStyle命令(linkStyle default interpolate ...)
现在这些问题已得到修复,用户可以自由选择以下曲线类型:
- 线性(linear)
- 基础曲线(basis)
- 卡迪尔曲线(cardinal)
- 单调曲线(monotone)
曲线类型的选择会影响流程图中连接线的视觉呈现,不同的曲线类型可以传达不同的流程感觉,从严格的直线到更有机的曲线连接。
3. 需求图包含箭头修复
本次更新还包含了对需求图(Requirement Diagram)中容器箭头显示问题的修复。需求图是Mermaid中相对较新的图表类型,用于描述系统需求和它们之间的关系。容器箭头用于表示需求之间的包含关系,修复后这一重要视觉元素的显示将更加准确。
技术实现细节
在底层实现上,Mermaid 11.6.0版本对解析器(@mermaid-js/parser)也进行了相应的更新,版本号提升至0.4.0以支持这些新功能和修复。特别是雷达图的实现,涉及到新的语法解析和渲染逻辑,这需要解析器层面的配合更新。
升级建议
对于现有用户,建议尽快升级到11.6.0版本,特别是:
- 需要使用雷达图进行多维度数据可视化的用户
- 依赖流程图曲线类型配置的项目
- 使用需求图并遇到容器箭头显示问题的用户
升级过程通常只需更新package.json中的版本号并重新安装依赖即可。由于这是一个minor版本更新,按照语义化版本规范,它应该不会引入破坏性变更。
总结
Mermaid 11.6.0版本的发布进一步丰富了其图表类型支持,特别是雷达图的加入为数据可视化提供了新的可能性。同时,对现有功能的修复也提升了工具的稳定性和用户体验。这些改进使得Mermaid在技术文档编写、系统设计、数据分析等场景中的应用更加广泛和可靠。
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