Semi Design v2.74.0 版本发布:组件优化与问题修复
Semi Design 是由字节跳动前端团队开发的一套企业级 UI 设计语言和 React 组件库,旨在为开发者提供高质量的设计规范和可复用的前端组件。本次发布的 v2.74.0 版本主要针对多个组件的用户体验和功能稳定性进行了优化和修复。
组件优化与修复
List 组件数据源为空时的显示优化
在之前的版本中,当 List 组件的 dataSource 为空时,Spin 加载状态组件会遮挡整个列表区域,导致用户无法清晰感知当前列表为空的状态。新版本修复了这一问题,现在即使数据源为空,Spin 组件也不会再遮挡列表区域,使得空状态提示能够正常显示,提升了用户体验的一致性。
TreeSelect 搜索状态下的稳定性增强
TreeSelect 组件在开启搜索功能时,如果 treeData 属性未定义,在关闭面板时会出现 TypeError 错误。这个问题在开发过程中可能会影响调试体验。新版本增加了对 treeData 为 undefined 情况的处理,确保了组件在异常数据情况下的稳定性。
Steps 组件的对齐问题修复
对于类型为 basic 的 Steps 组件,之前存在图标和标题未与连接线居中对齐的问题。这种视觉上的偏差虽然不影响功能,但会影响整体界面的美观性和专业性。新版本修复了这一问题,确保了所有元素的完美对齐,提升了组件的视觉一致性。
Select 组件的焦点管理改进
单选且可搜索的 Select 组件在面板打开状态下失去焦点后,存在无法再次通过点击触发器聚焦的问题。这个交互问题会影响用户的操作流畅性。新版本优化了焦点管理逻辑,确保用户在任何情况下都能通过点击触发器重新聚焦到输入框,提高了组件的可用性。
AudioPlayer 组件的样式与兼容性优化
AudioPlayer 组件在本次更新中获得了两个重要改进:
-
修复了倍速弹出层样式的白边问题,使弹出层的视觉效果更加完美,消除了之前可能出现的视觉瑕疵。
-
对内部 ref 的使用进行了重构,使其能够更好地兼容其他前端框架。这一改进使得 AudioPlayer 组件在更广泛的技术栈中都能稳定工作,提高了组件的适用范围和灵活性。
总结
Semi Design v2.74.0 版本虽然没有引入重大新功能,但对现有组件的稳定性和用户体验进行了细致的打磨。从视觉对齐的细节修复到交互逻辑的完善,再到跨框架兼容性的增强,这些改进都体现了开发团队对产品质量的持续追求。
对于正在使用 Semi Design 的开发者来说,升级到这个版本将获得更稳定、更一致的组件体验。特别是对于使用 TreeSelect、Select 和 AudioPlayer 组件的项目,这些修复将直接提升最终用户的使用感受。
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