Project Graph v1.4.31版本更新:增强用户体验与功能优化
Project Graph是一款专注于图形化编程和可视化设计的工具,它通过节点式编程方式让用户能够直观地构建复杂逻辑和交互设计。在最新发布的v1.4.31版本中,开发团队着重提升了用户体验,增加了多项实用功能,并修复了一些关键问题。
核心功能增强
本次更新在节点操作方面进行了显著增强。新增的UUID逻辑节点为用户提供了更灵活的节点控制方式。通过"获取节点UUID"节点,开发者可以唯一标识舞台上的每个元素;而"根据UUID更改节点位置"节点则实现了对特定元素的精确定位和操作。这种基于唯一标识符的操作方式为复杂场景下的元素管理提供了新的可能性。
在颜色处理方面,新引入的"按颜色删除所有元素"节点极大地简化了批量操作流程。用户现在只需指定一个颜色值,就能一键清除舞台上所有对应颜色的涂鸦元素。这个功能特别适合需要频繁修改和调整设计稿的场景。
性能优化与交互改进
性能方面,v1.4.31版本引入了一项智能渲染优化——可配置的文本渲染策略。当用户将画布缩放到一定程度时,可以选择自动禁用文本渲染,这能显著减少GPU负载,特别是在处理包含大量文本元素的复杂项目时。这种按需渲染的策略在保证基本可用性的同时,有效提升了整体性能表现。
多对象操作也获得了增强。现在用户可以通过Ctrl+滚轮组合键同时对多个选中的图片进行统一缩放,这比逐个调整效率更高,也更容易保持设计元素间的比例关系。配合加粗的选中状态边框(从视觉上更突出当前选中的元素),这些改进共同提升了批量编辑的体验。
用户体验细节打磨
在交互细节方面,开发团队做了多处贴心改进。删除涂鸦时新增的视觉反馈效果让操作更加直观;而通过Esc键快速关闭右侧面板的功能则减少了不必要的鼠标移动,提高了工作效率。这些看似微小的优化,在实际使用中却能显著提升操作流畅度。
针对Mac用户的输入问题,本次更新修复了两个关键bug:一是修正了鼠标侧边滚轮被错误识别为触摸板输入的问题;二是解决了在某些Mac设备上无法检测触摸板滑动的情况。这些修复确保了不同硬件环境下的一致操作体验。
前瞻性功能准备
值得注意的是,虽然尚未正式启用,但新版本已经包含了另一种大标题渲染方案的代码实现。这种框架式标题的渲染方式可能为未来的排版功能扩展奠定基础,值得期待。
总体而言,Project Graph v1.4.31版本通过一系列精心设计的改进,在功能性、性能和用户体验三个维度都取得了明显进步。特别是对常用操作流程的优化和对不同平台兼容性的完善,使得这个工具更加成熟可靠。这些变化既满足了专业用户对效率和精确控制的需求,也考虑到了新手用户的学习曲线,体现了开发团队对产品质量的持续追求。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00