Lexical富文本编辑器v0.27.2版本发布:安全更新与交互优化
Lexical是Facebook开源的一款现代化富文本编辑器框架,它采用模块化设计,提供了高度可定制化的编辑体验。作为React生态中的重要组件,Lexical以其出色的性能和灵活性在开发者社区中广受欢迎。
安全更新:prismjs依赖升级
本次v0.27.2版本主要针对prismjs库的安全问题进行了修复。prismjs是一款流行的代码高亮库,Lexical使用它来实现代码块的高亮显示功能。虽然Lexical的实现方式不会直接触发该问题(因为它不处理用户生成的带有"id"标签的HTML,也不使用自动加载插件),但作为最佳实践,团队还是及时将prismjs升级到了1.30.0版本。
对于开发者而言,这种主动的安全更新体现了Lexical团队对项目安全性的重视。即使当前实现不存在直接风险,及时跟进依赖库的安全补丁也是维护项目健康的重要措施。
协作编辑功能优化
在协作编辑方面,本次更新修复了一个可能导致节点映射异常的问题。在之前的版本中,协作环境下的元素节点有时会错误地从节点映射中移除其他节点。这个问题在多人同时编辑复杂文档时可能导致数据不一致。
修复后的版本确保了节点映射的稳定性,这对于依赖Lexical协作功能构建实时编辑应用的开发者来说尤为重要。稳定的节点映射是保证多人协作时数据同步准确性的基础。
表格功能增强
表格功能在本版本中获得了显著改进,特别是在移动设备上的体验:
-
触摸设备支持:新增了针对触摸设备的表格单元格选择处理器,使得在手机和平板上操作表格更加顺畅。开发者现在可以构建在移动端表现良好的表格编辑功能。
-
滚动误触修复:解决了在触摸设备上滚动页面时可能意外触发单元格选择的问题。这个改进大大提升了移动端用户的操作精确度。
-
合并单元格处理:修复了行高调整在合并单元格情况下的表现问题,确保表格布局在各种复杂情况下都能保持一致。
开发体验提升
除了功能改进外,本次更新还包含了一些提升开发者体验的改动:
-
触摸支持扩展:表格单元格调整大小工具(TableCellResizer)现在全面支持触摸操作,为移动端开发者提供了更完整的工具链。
-
示例修复:修复了网站示例中的配置问题,确保开发者能够顺利运行和测试各种功能示例。
升级建议
对于正在使用Lexical的开发者,特别是那些:
- 应用中包含代码高亮功能
- 实现了基于表格的复杂编辑功能
- 需要支持移动设备上的富文本编辑
- 使用协作编辑功能
建议尽快升级到v0.27.2版本。这个版本不仅解决了潜在的安全问题,还显著提升了表格功能的可用性,特别是对移动设备的支持更加完善。
对于新接触Lexical的开发者,这个版本也展示了项目团队对安全性和用户体验的持续关注,是开始使用Lexical的良好时机。
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