dnd-kit DOM模块0.1.12版本发布:优化拖拽体验与SSR兼容性
dnd-kit是一个现代化的React拖拽交互工具库,它提供了高度可定制化的拖拽功能实现。作为其核心模块之一,@dnd-kit/dom专注于处理与DOM相关的拖拽交互逻辑。
本次0.1.12版本的发布主要带来了三个重要改进:
新增插件导出
开发团队在本次更新中正式导出了Cursor和PreventSelection两个实用插件。这两个插件原本已经内置在默认预设中,现在开发者可以直接导入并使用它们进行更细粒度的控制。
Cursor插件负责在拖拽过程中管理鼠标指针样式,而PreventSelection插件则防止用户在拖拽操作时意外选中文本。将它们独立导出后,开发者可以更灵活地组合各种插件来满足特定场景的需求。
Firefox视觉反馈修复
针对Firefox浏览器的一个特殊问题,本次更新特别优化了Feedback插件的视觉效果。在Firefox中,即使设置了display: none,当元素应用了背景滤镜时,::backdrop伪元素仍可能意外显示。
解决方案是额外添加了visibility: hidden样式声明,通过双重保障确保反馈层在Firefox中能够正确隐藏。这种跨浏览器兼容性的修复体现了dnd-kit对细节的关注。
SSR环境兼容性增强
对于使用服务器端渲染(SSR)的应用,本次更新修复了requestAnimationFrame调度器在SSR环境下的调用问题。在Node.js等非浏览器环境中,直接调用requestAnimationFrame会导致错误。
通过优化相关逻辑,现在dnd-kit能够更好地适应SSR场景,为同构应用提供更稳定的支持。这一改进对于Next.js等流行框架的用户尤为重要。
底层依赖同步更新
作为配套更新,@dnd-kit/abstract、@dnd-kit/collision、@dnd-kit/geometry和@dnd-kit/state等核心依赖模块也同步到了0.1.12版本,确保整个工具链的兼容性和稳定性。
这些看似细微的改进实际上显著提升了dnd-kit在复杂场景下的表现力,特别是对于需要高度定制拖拽体验或面临跨浏览器兼容性挑战的项目。开发团队持续关注实际应用中的痛点,通过精准的优化使这个已经相当成熟的拖拽库更加完善。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00