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。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00