SurveyJS 2.0.4版本发布:表单库功能增强与体验优化
SurveyJS是一个强大的开源JavaScript表单库,它允许开发者轻松创建各种类型的调查问卷、表单和测验。该库提供了丰富的UI组件、灵活的数据绑定机制以及强大的验证功能,能够满足从简单到复杂的各种表单需求。
动态选项创建功能
本次2.0.4版本最显著的改进是引入了动态选项创建功能。现在,开发者可以在Dropdown和TagBox组件中允许用户输入新选项并自动添加到选择列表中。这一功能通过新增的allowNewOptions属性实现,当设置为true时,用户输入不在现有选项中的值会被自动创建为新选项。
为了实现更精细的控制,SurveyJS还新增了onChoiceCreated事件。开发者可以监听这个事件,在新选项被创建时执行自定义逻辑,比如验证输入值或修改选项属性。这一功能特别适合需要用户自定义选项的场景,如标签管理、自定义分类等。
无障碍访问改进
2.0.4版本对无障碍访问(A11y)进行了多项优化:
- 改进了布尔类型复选框的无障碍支持,确保屏幕阅读器能够正确识别和描述这些控件。
- 修复了矩阵下拉题中的下拉组件无障碍问题,使其在各种辅助技术下都能正常工作。
- 优化了aria-label和aria-labelledby属性的行为,确保表单元素能够被正确标记和关联。
这些改进使得SurveyJS构建的表单能够更好地服务于视觉障碍用户,符合现代Web应用的无障碍标准。
移动端体验优化
针对移动设备的使用体验,本次更新包含多项改进:
- 修复了移动模式下字体大小重置的问题,确保表单在不同设备上保持一致的视觉体验。
- 优化了Dropdown组件在平板设备上的显示效果,使其在小屏幕上也能正常使用。
- 改进了移动设备上搜索编辑器的可见性,提升了用户在小屏幕设备上的操作体验。
表达式与数据处理增强
SurveyJS强大的表达式系统在本版本中得到了多项改进:
- 修复了iif和getDate函数中的错误,提高了条件判断和日期处理的准确性。
- 改进了当survey.data中包含字符串格式数字时的表达式处理逻辑。
- 修复了displayValue表达式在特定情况下的行为,确保它能正确显示行列数据。
这些改进使得SurveyJS的数据处理和条件逻辑更加可靠和灵活。
其他重要改进
- 改进了表格目录(TOC)在启用高级标题时的视觉效果,提升了表单的整体美观度。
- 修复了Vue3版本中异步加载调查时标题不渲染的问题。
- 为PanelModel的expand()方法添加了详细的参数说明,提高了API文档的完整性。
- 解决了文本区域值在代码中设置问题注释/其他值时不更新的问题。
技术实现细节
在内部实现上,SurveyJS团队对QuestionSelectBase.calcVisibleChoices方法进行了重构,提高了选项计算的效率和可靠性。同时,通过优化单元测试结构,确保了新功能的稳定性和向后兼容性。
总结
SurveyJS 2.0.4版本通过引入动态选项创建、增强无障碍访问、优化移动体验和改进表达式系统,进一步巩固了其作为专业表单解决方案的地位。这些改进不仅提升了开发者的工作效率,也显著改善了最终用户的使用体验。对于需要构建复杂表单系统的项目,SurveyJS 2.0.4提供了一个更加成熟和可靠的选择。
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