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。
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-7BSpark-Prover-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
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-7BSpark-Formalizer-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00