Taiga UI v4.31.0 版本发布:新增分页组件与多项功能优化
Taiga UI 是一个现代化的 Angular UI 组件库,专注于为开发者提供丰富、灵活且高性能的界面组件。本次发布的 v4.31.0 版本带来了多个新组件和功能增强,同时对现有组件进行了多项优化和错误修复。
新增功能亮点
全新分页组件 tui-pager
本次版本引入了全新的 tui-pager 分页组件,为开发者提供了更加灵活和强大的分页功能。该组件设计简洁但功能全面,可以轻松集成到各种数据展示场景中。
文档增强功能
在 addon-doc 模块中新增了 TuiDocAPINumberItem,这是一个专门用于配置输入 API 数字选项的工具。这一改进使得文档生成更加灵活,特别是对于需要展示数字输入参数的组件文档。
核心组件优化
核心模块中的 TuiOption 组件迎来了新版本,进行了内部重构和功能增强,提供了更好的性能和更丰富的配置选项。
多行显示模式
ItemsWithMore 组件新增了多行显示模式,这使得在有限空间内展示更多项目成为可能,特别适合需要展示大量标签或选项的场景。
轮播组件增强
carousel 组件新增了 shift 输出事件,开发者现在可以更精确地监听和控制轮播项的切换行为。
全新 ChipGroup 组件
布局模块新增了 ChipGroup 组件,为标签组展示提供了标准化的解决方案,支持多种布局和交互模式。
重要问题修复
本次版本修复了多个影响用户体验的问题:
-
修复了
Filter组件在处理短项目时的显示问题,确保所有项目都能正确渲染。 -
图表模块修复了当项目数量超过10个时的颜色显示问题,确保图表始终保持良好的可读性。
-
移动端组件修复了
sheet的显示问题,现在使用display: block来确保正确的布局行为。 -
核心模块修复了
Dialog内容区域的边框半径继承问题,使对话框的视觉效果更加一致。 -
为自定义组件添加了提示标记,提高了组件的可访问性和开发体验。
-
实验性功能修复了编译步骤中的引用问题,确保构建过程的稳定性。
-
修复了
tuiMultiSelectGroup中控制绑定的延迟初始化问题,提高了组件的响应速度。
技术细节改进
在底层实现上,本次版本对 tuiCreateToken 进行了优化,确保在没有参数时不会创建带有默认 undefined 值的 token,这提高了代码的严谨性和可预测性。
总结
Taiga UI v4.31.0 版本在保持稳定性的同时,通过新增组件和功能进一步丰富了开发者的工具箱。从基础的分页功能到复杂的图表展示,再到移动端体验的优化,本次更新涵盖了多个关键领域。特别是对现有问题的修复,显著提升了整体用户体验和开发效率。
对于正在使用 Taiga UI 的开发者来说,升级到这个版本将能够获得更完善的组件功能和更稳定的运行表现。新引入的组件也为构建现代化、响应式的用户界面提供了更多可能性。
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