Lexical富文本编辑器v0.28.0版本深度解析
Lexical是一个由Facebook开发的现代化富文本编辑器框架,它采用了React优先的设计理念,提供了高度可定制和可扩展的编辑器解决方案。Lexical的核心优势在于其轻量级、高性能以及出色的可扩展性,开发者可以通过插件系统轻松扩展编辑器的功能。
版本亮点
本次发布的v0.28.0版本是一个包含重要错误修复和功能增强的临时小版本更新。其中最关键的修复是解决了在某些条件下DOM节点可能完全不被更新的问题(这个存在3年多的bug很少被触发)。版本带来了多项改进,包括核心功能增强、列表样式优化、表格处理改进等。
核心功能改进
节点选择删除处理标准化
新版本为NodeSelection添加了默认的删除处理程序,统一了DELETE和BACKSPACE按键的行为。现在这些按键会调用DELETE_CHARACTER_COMMAND来处理NodeSelection,通过新的NodeSelection.deleteNodes()方法移除所有选中的节点。这一改变消除了之前各个实现中存在的细微错误,开发者可以删除之前从playground复制的$onDelete处理程序。
根节点和列表节点拼接逻辑重构
RootNode和ListNode的append方法被重构并移至ElementNode的原始splice方法中。这意味着对于RootNode,当尝试插入叶子节点时,在所有插入情况下都会抛出异常,而不仅仅是append操作。对于ListNode,自动ListItemNode包装现在适用于所有插入子节点的情况。
节点插入逻辑优化
$insertNodeToNearestRoot方法现在会考虑canBeEmpty()属性,在分割当前节点时不会创建空的ElementNode(如ListNode)。这一改进使得节点插入行为更加合理和一致。
列表样式处理改进
v0.26.0版本中引入的ListItemNode项目符号继承第一个文本节点样式的方案被发现过于宽泛,因为ListItemNode的内联样式会级联到所有子节点。新版本通过CSS自定义属性来解决这个问题,开发者需要更新主题CSS来保持这一特性。
表格功能增强
表格单元格导入优化
TableCellNode的importDOM实现被修正,使其行为与其他Lexical根节点一致,正确处理
标签转换为LineBreakNode,并将顶级内联节点(包括内联装饰器)包装在ParagraphNode中。这一改进使得表格单元格的内容处理更加统一。
可滚动表格DOM更新修复
修复了Scrollable TableNode的updateDOM问题,同时重构了getDOMSlot的类型定义,使其更加精确和类型安全。
React相关改进
移除了未使用的直接依赖项,减少了包体积。同时为DraggableBlockPlugin添加了onElementChanged回调,使得开发者可以更好地控制拖拽块的行为。
实用工具增强
objectKlassEquals工具函数现在增加了类型谓词功能,提供了更好的类型安全性。
新API介绍
更新监听器新增mutatedNodes属性
UpdateListenerPayload现在包含mutatedNodes属性,当至少注册一个MutationListener时,这个属性会计算所有发生变异的节点。这对于需要监听所有节点变化的场景特别有用,特别是与NodeState结合使用时。
根节点变换顺序保证
新版本确保RootNode的节点变换总是最后执行,并提供了文档说明RootNode在其它节点变脏时总是被视为有意变脏的特殊情况。
开发者建议
对于升级到v0.28.0版本的开发者,需要注意以下几点:
- 检查并移除任何自定义的$onDelete处理程序,使用新的默认NodeSelection删除处理
- 更新ListItemNode的CSS样式处理,使用新的自定义属性方案
- 检查表格相关代码,确保适应新的单元格导入行为
- 考虑使用新的mutatedNodes属性来优化节点变化监听逻辑
这个版本虽然是一个小版本更新,但包含了对核心功能的多个重要改进和错误修复,建议所有使用Lexical的项目尽快升级以获得更稳定和一致的编辑体验。
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