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。
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