Project Graph 1.4.29版本发布:涂鸦交互优化与逻辑节点增强
Project Graph是一款专注于节点式图形化编程的工具,它通过可视化的方式让用户能够直观地构建复杂的逻辑关系和数据处理流程。在最新发布的1.4.29版本中,开发团队对涂鸦交互方式进行了重大改进,并增强了逻辑节点的功能,为用户提供了更流畅的创作体验。
涂鸦交互方式的革新
在之前的版本中,涂鸦功能采用的是"粘连式移动"机制,用户可以通过绘制涂鸦来选择和移动节点。然而,在实际使用中发现这种机制容易造成误操作。1.4.29版本对这一功能进行了彻底重构,引入了更符合用户直觉的"扩散选择"模式。
新的交互方式是:用户首先绘制涂鸦,然后按下Ctrl+W组合键,系统会自动选中所有与涂鸦接触的节点。这种设计特别适合处理不规则排列的节点群,例如S形排列的节点组,用户只需画一条贯穿这些节点的涂鸦线,就能一次性选中它们,大大提高了复杂场景下的操作效率。
同时,开发团队还对涂鸦状态下的视觉反馈进行了优化:
- 涂鸦在绘制过程中会立即显示颜色,而不是等到鼠标松开后才显示
- 鼠标指针在涂鸦模式下会变为十字形状,明确提示当前处于涂鸦状态
- 移除了可能干扰用户操作的自动连线功能
逻辑节点功能扩展
1.4.29版本为逻辑节点系统添加了几个实用的新功能:
-
鼠标位置获取节点:新增了获取鼠标在世界坐标系下位置的逻辑节点,这使得基于鼠标位置创建交互式应用变得更加容易。
-
节点创建返回值:现在,创建节点的逻辑操作会返回新创建节点的UUID,为后续基于创建结果的进一步操作提供了可能。
-
实体检测节点:新增了判断指定位置是否存在实体的逻辑节点,为空间感知类应用开发提供了基础支持。
-
日期时间处理:加入了获取当前日期时间以及进行日期加法的逻辑节点,结合现有的节点创建功能,用户可以轻松构建日历表格等时间相关的可视化应用。
用户体验优化
除了上述主要功能更新外,1.4.29版本还包含多项细节优化:
- 删除连线时系统会自动清理产生的孤立质点,保持工作区整洁
- 移除了Ctrl+S保存时的屏幕闪黑特效,减少对用户注意力的干扰
- 修复了嵌套section框复制时连线丢失的问题
- 解决了嵌套section导出SVG时填充色覆盖内容的问题
- 修正了设置界面滑动轨道右侧数字输入框无法修改设置项的问题
这些改进虽然看似细微,但累积起来显著提升了产品的整体使用体验,体现了开发团队对产品质量的持续追求。
Project Graph 1.4.29版本通过重新设计涂鸦交互方式和扩展逻辑节点功能,为用户提供了更强大、更直观的图形化编程体验。这些更新不仅解决了之前版本中存在的一些痛点问题,还为开发更复杂的可视化应用开辟了新的可能性。随着这些改进的推出,Project Graph正逐步成长为一款更加成熟和完善的节点式编程工具。
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