TDesign 小程序组件库 1.9.5 版本发布:优化交互体验与修复关键问题
TDesign 小程序组件库是由腾讯团队开发的一套高质量、可定制的小程序 UI 组件库。它提供了丰富的组件和功能,帮助开发者快速构建美观、一致的小程序界面。本次发布的 1.9.5 版本主要针对 Picker、Fab 和 Upload 等组件进行了功能增强,同时修复了多个影响用户体验的关键问题。
核心功能增强
Picker 组件空数据处理优化
新版本为 Picker 组件新增了 content 插槽,这一改进使得开发者能够更灵活地处理空数据场景。当 Picker 的数据源为空时,开发者可以通过自定义 content 插槽来展示友好的提示信息或占位内容,而不是简单地显示空白区域。此外,Picker 组件现在支持点击选中功能,进一步提升了用户操作的便捷性。
Fab 悬浮按钮自定义能力提升
Fab(悬浮按钮)组件在本次更新中获得了更强的自定义能力。当开发者没有显式传入 icon 和 text 属性时,组件将自动启用默认插槽,允许开发者完全自定义悬浮按钮的内容。需要注意的是,在这种自定义模式下,buttonProps 属性将不再生效。这一改进为需要特殊样式或复杂内容的悬浮按钮场景提供了更大的灵活性。
Upload 组件预览功能可控
Upload 组件新增了 preview 属性,开发者现在可以通过设置该属性来灵活控制是否开启图片预览功能。在某些业务场景下,可能只需要上传功能而不需要预览,这一改进使得组件更加符合多样化业务需求。
关键问题修复
Toast 组件兼容性优化
针对小程序 skyline 渲染引擎的特殊情况,Toast 组件进行了样式调整,使用 flex 布局替代了 fit-content,确保了在不同渲染环境下的兼容性和稳定性。
TreeSelect 组件数据源处理改进
修复了 TreeSelect 组件在处理非标准 options 数据源时出现的控制台报错问题。现在组件能够更健壮地处理各种格式的数据源,提高了组件的容错能力。
Rate 评分组件交互修复
解决了 Rate 组件在全星点选时弹框不显示的问题,确保了评分交互的完整性和一致性。
升级建议
对于正在使用 TDesign 小程序组件库的开发者,建议尽快升级到 1.9.5 版本以获取这些改进和修复。特别是对于以下场景的开发者:
- 需要处理空数据状态的 Picker 组件使用者
- 需要高度自定义 Fab 按钮的开发者
- 使用 Upload 组件但不需要预览功能的项目
- 遇到 TreeSelect 数据源报错问题的团队
这些改进不仅提升了组件的功能性,也增强了用户体验和开发效率。TDesign 团队持续关注开发者反馈,不断优化组件库的质量和易用性。
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。C032
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-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