DivKit 31.6.0版本发布:跨平台UI框架的全面升级
DivKit是一个由Yandex开源的跨平台UI框架,它允许开发者使用声明式的JSON格式来描述复杂的用户界面,并在Android、iOS和Web平台上实现一致的渲染效果。通过DivKit,开发者可以快速构建动态、高性能的UI界面,同时保持代码的可维护性和跨平台一致性。
Android客户端更新
输入控件增强
本次更新中,Android端的input控件新增了对filters属性的支持。这一特性允许开发者对用户输入内容进行更精细的控制,例如限制输入长度、过滤特定字符等。在实际应用中,这对于表单验证、搜索框等场景非常有用。
工具提示管理优化
新增的Div2Context.closeTooltips()方法为开发者提供了集中关闭所有工具提示的能力。这一改进简化了工具提示的管理逻辑,特别是在复杂交互场景中,开发者现在可以更轻松地确保UI状态的正确性。
列表构建逻辑调整
在列表渲染方面,item_builder现在拥有比items更高的优先级。这一变更使Android平台与其他平台的行为保持一致,减少了跨平台开发时的差异性。开发者在使用列表组件时应当注意这一优先级变化,以确保预期的渲染效果。
画廊组件改进
针对gallery组件的滚动位置恢复问题,本次更新修复了两个关键场景:
- 当第一个项目可见时的滚动位置恢复
- 在RTL(从右到左)配置下的滚动行为
这些修复提升了用户体验,特别是在多语言应用中,RTL布局的展示更加可靠。
视觉效果修正
shine效果的渐变角度计算得到了修正。现在角度是相对于水平线逆时针旋转的,这与标准的图形学惯例保持一致。开发者在使用这一视觉效果时可以获得更符合预期的渲染结果。
分页模式优化
修复了paging模式下画廊滚动的问题,使分页浏览体验更加流畅自然。
iOS客户端更新
输入类型与自动校正
iOS端的input控件现在会根据input_type自动调整自动校正行为。这一智能适配减少了开发者的配置工作,同时提供了更符合用户预期的输入体验。例如,在输入电话号码时自动禁用自动校正,而在输入普通文本时保持启用。
类型化动作解析
修复了类型化动作中数组解析的问题,使复杂数据结构的处理更加可靠。这一改进对于使用高级交互逻辑的应用尤为重要。
布局计算优化
layout_provider中的尺寸计算问题得到了修复,确保了布局测量的准确性。这对于依赖精确布局的自定义组件开发者来说是一个重要的改进。
Web客户端更新
滚动动作动画支持
Web端为多种滚动相关动作新增了animated参数,包括:
set_current_itemset_next_itemset_previous_itemscroll_forwardscroll_backwardscroll_to_positionscroll_to_endscroll_to_start
这一增强使开发者能够控制滚动是否以动画形式呈现,从而在需要快速跳转或平滑滚动时提供更灵活的选择。
数据结构解析增强
Web端现在支持从字符串解析array和dict数据结构,包括通过div-action://set_variable协议和variable.set('value')编程API。数据格式采用JSON标准,这大大增强了复杂数据传递的能力。
工具提示交互改进
新增对tap_outside_actions和close_by_tap_outside属性的支持,使工具提示的交互行为更加丰富和可控。开发者现在可以定义点击工具提示外部时的行为,并控制是否允许通过外部点击关闭提示。
RTL布局修复
修复了switch组件在RTL布局下的显示问题,确保从右到左语言的界面元素正确对齐和交互。
动作日志限制
修正了visibility_actions和disappear_actions中动作数量与log_limit相关的错误,使动作日志系统更加可靠。
总结
DivKit 31.6.0版本带来了跨三大平台的全面改进,从基础控件功能增强到布局计算优化,从交互行为完善到国际化支持,每个更新都体现了框架对开发者体验和最终用户体验的关注。这些改进使得DivKit在构建复杂、动态、跨平台的用户界面时更加可靠和高效。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C033
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
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C00
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-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
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