FluentUI Blazor 中 SelectColumn 组件的单选模式增强
在 FluentUI Blazor 组件库中,SelectColumn 组件是数据表格中用于行选择的重要功能组件。最近社区贡献者为该组件提出了一个非常有价值的增强功能,使得在单选模式下能够保持选中状态不被取消。
当前单选模式的行为
在现有的 FluentUI Blazor 实现中,当 SelectColumn 设置为 Single 选择模式时,用户点击已选中的行会导致该行被取消选中。这种行为在某些业务场景下可能不符合预期,特别是当用户需要确保始终有一个选项被选中时。
功能增强方案
社区贡献者提出了两种实现方案:
-
参数控制方案:通过新增 AllowSingleModeDeselect 布尔参数来控制是否允许在单选模式下取消选中,默认值为 true 以保持向后兼容。
-
新增模式方案:添加一个新的选择模式 SingleSticky,专门用于实现"粘性"单选行为,即选中后不能通过点击取消。
经过项目维护团队的讨论,最终选择了第二种方案,认为新增一个明确的模式比添加参数更为清晰和易于理解。
技术实现细节
实现这一功能的核心修改位于处理选择逻辑的 AddOrRemoveSelectedItemAsync 方法中。对于 SingleSticky 模式,当检测到用户点击已选中的项目时,直接返回而不执行取消选中操作。
if (SelectMode == DataGridSelectMode.SingleSticky &&
_selectedItems.Count == 1 &&
_selectedItems.Contains(item))
{
return; // 不执行取消选中操作
}
使用示例
开发者现在可以通过简单设置 SelectMode 属性来使用这一新功能:
<SelectColumn TGridItem="Product"
SelectMode="@DataGridSelectMode.SingleSticky"
SelectFromEntireRow="true" />
测试保障
为确保新功能的稳定性,所有原有的单选模式测试用例都被复制并适配到新的 SingleSticky 模式中,保证了功能的一致性和可靠性。
总结
这一增强为 FluentUI Blazor 的数据表格选择功能提供了更灵活的控制方式,特别适合那些需要确保始终有选项被选中的业务场景。通过新增明确的 SingleSticky 模式而非参数控制,API 设计保持了简洁性和一致性,体现了 FluentUI 团队对组件设计质量的重视。
对于开发者而言,这一改进意味着可以更轻松地实现常见的业务需求,而无需自行处理选择状态的维护逻辑,进一步提升了开发效率和代码质量。
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