Neo.js 8.12.0版本发布:网格与表格列头拖拽功能全面升级
2025-06-17 16:18:10作者:仰钰奇
Neo.js项目简介
Neo.js是一个现代化的JavaScript框架,专注于构建高性能的Web应用程序。它采用了创新的架构设计,提供了丰富的UI组件库,特别适合开发数据密集型的应用界面。本次8.12.0版本的发布,主要针对网格(Grid)和表格(Table)组件的列头拖拽功能进行了重大改进。
拖拽交互架构统一化
在8.12.0版本中,开发团队对网格和表格组件的拖拽(Drag & Drop,简称DD)架构进行了重大重构。这次重构的核心目标是统一不同组件间的拖拽实现方式:
-
架构一致性:现在
grid.header.Toolbar、table.header.Toolbar和tab.header.Toolbar都采用了相同的拖拽实现架构,这大大提高了代码的一致性和可维护性。 -
代理模式全面应用:移除了非代理(non proxy)基础的拖拽逻辑,全面转向基于代理(proxy)的拖拽实现。这种架构选择带来了更流畅的用户体验和更可靠的拖拽行为。
技术实现细节
网格组件拖拽改进
网格组件的列头拖拽功能经过了彻底重写,新的实现具有以下特点:
- 拖拽过程中视觉反馈更加平滑自然
- 拖拽代理元素的渲染性能显著提升
- 列位置交换的动画效果更加流畅
- 拖拽边界处理更加智能
表格组件拖拽优化
表格组件的拖拽实现虽然功能完整,但开发团队认为还需要进一步打磨。当前版本已经实现了:
- 基本的列重排序功能
- 拖拽过程中的视觉反馈
- 与其他组件一致的拖拽行为模式
底层架构调整
main.DomAccess模块移除了旧的拖拽实现,全面转向基于代理的架构。这一变化虽然对使用者透明,但为未来的功能扩展奠定了更坚实的基础。
实际应用效果
新的拖拽实现为用户带来了显著的体验提升:
- 响应速度更快:拖拽操作更加跟手,延迟感大幅降低
- 视觉效果更专业:拖拽过程中的视觉提示更加清晰美观
- 行为更可预测:拖拽边界和放置位置的判断更加准确
- 一致性体验:不同组件间的拖拽行为完全一致,降低用户学习成本
开发者建议
对于正在使用或计划使用Neo.js的开发人员,建议:
- 测试兼容性:虽然API保持兼容,但内部实现变化可能影响某些定制化场景
- 利用新特性:可以考虑基于新的拖拽架构开发更复杂的交互功能
- 关注性能:新的实现在大数据量场景下表现更优,可以适当调整性能预期
未来展望
虽然8.12.0版本已经带来了显著的改进,但开发团队已经确认将对表格组件的拖拽功能进行进一步优化。预计在后续版本中,表格拖拽将获得与网格组件同等级别的完善度和流畅度。
这次架构统一也为未来可能的跨组件拖拽功能奠定了基础,开发者可以期待更丰富的拖拽交互场景在后续版本中实现。
登录后查看全文
热门项目推荐
相关项目推荐
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
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
246
暂无简介
Dart
672
157
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
663
313
React Native鸿蒙化仓库
JavaScript
262
324
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.2 K
655
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
330
137