TDesign React 1.10.5版本发布:组件功能增强与问题修复
TDesign是腾讯开源的企业级设计体系,提供了丰富的React组件库,帮助开发者快速构建高质量的企业级应用。1.10.5版本是该系列的一个重要更新,主要针对多个常用组件进行了功能增强和问题修复。
主要功能增强
RadioGroup组件新增主题API
RadioGroup组件现在支持通过theme API来定义使用options时渲染的子组件样式。这一改进使得开发者可以更灵活地控制单选按钮组的视觉呈现,特别是在需要统一管理多个单选按钮样式的场景下。
Upload组件支持图片属性透传
在图片上传场景中,Upload组件新增了imageProps API,允许开发者直接透传Image组件的相关属性。这意味着开发者现在可以更精细地控制上传图片的显示方式,比如设置图片的预览模式、占位符等。
AutoComplete组件支持自定义空状态
AutoComplete组件新增了empty API,支持开发者自定义空节点内容。当没有匹配的选项时,开发者可以展示更友好的提示信息或自定义UI,提升用户体验。
Drawer组件增强尺寸拖拽限制
Drawer组件的sizeDraggable属性现在支持SizeDragLimit类型,提供了更精确的尺寸拖拽限制控制。开发者可以设置最小和最大拖拽范围,确保抽屉在合理范围内调整大小。
图标库更新
本次更新新增了多个常用图标,包括logo-alipay、logo-behance-filled等,同时对logo-wecom图标进行了优化,移除了不合理的logo-wecom-filled图标。这些更新丰富了组件的视觉表达能力。
重要问题修复
Select组件选项值问题
修复了Select组件onChange回调中context选项值不完整的问题,现在回调中会包含选项本身的全部内容,确保开发者能够获取完整的选项数据。
DateRangePicker日期范围逻辑
修复了开始和结束值同时存在的逻辑判断错误问题,现在日期范围选择器的行为更加符合预期。
Notification组件渲染问题
修复了使用attach属性配置时导致的渲染节点异常问题,确保通知组件能够正确挂载到指定的DOM节点上。
AutoComplete组件空状态显示
修复了当选项为空时显示效果异常的问题,现在空状态下的自动完成组件能够保持一致的UI表现。
Menu组件图标渲染
修复了head-menu不渲染icon的问题,确保菜单项的图标能够正确显示。
Statistic组件数值精度
修复了decimalPlaces=0时数值动画期间精度错误的问题,现在统计数值的动画效果更加准确。
ImageViewer组件关闭闪烁
修复了开启closeOnOverlay时点击蒙层关闭存在闪烁的问题,提升了图片查看器的使用体验。
总结
TDesign React 1.10.5版本通过新增API和修复问题,进一步提升了组件的稳定性和灵活性。这些改进使得开发者能够更高效地构建企业级应用,同时也为用户提供了更流畅的交互体验。对于正在使用TDesign的团队来说,建议及时升级到这个版本以获取这些改进。
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。C094
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python058
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
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
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00