Puck编辑器v0.18.0发布:革命性的多维度拖拽布局引擎
项目简介
Puck是一个基于React的可视化页面构建工具,它允许开发者通过拖拽组件的方式快速搭建页面。作为一个开源项目,Puck特别适合需要自定义内容管理系统的场景,为开发者提供了灵活的组件配置和实时预览功能。
核心升级:全新的拖拽引擎
本次v0.18.0版本带来了具有里程碑意义的拖拽引擎升级,彻底改变了Puck的布局能力。
多维布局支持
新引擎原生支持CSS Grid和Flexbox布局,开发者现在可以:
- 直接在DropZone上设置display属性(flex/grid等)
- 实现复杂的多列布局
- 创建响应式设计体验
<DropZone
zone="content"
style={{ display: "grid", gridTemplateColumns: "1fr 1fr" }}
/>
内联模式与拖拽引用
新增的inline属性和dragRef API允许组件去除Puck的包装元素,这对于需要精确控制布局的CSS属性(如flex-grow)特别有用:
const Card = {
inline: true,
render: ({ puck }) => (
<div ref={puck.dragRef} style={{ flexGrow: 1 }}>
{/* 内容 */}
</div>
)
}
嵌套区域拖拽
解决了长期存在的限制,现在可以在嵌套的DropZone之间直接拖拽组件,大大提升了编辑体验的流畅度。
其他重要改进
动态高度的DropZone
DropZone现在会根据子元素自动调整高度,同时提供了minEmptyHeight属性控制空状态时的最小高度:
<DropZone zone="content" minEmptyHeight={200} />
交互模式切换
新增cmd+i/ctrl+i快捷键,可以在预览模式下快速切换组件的交互状态,方便测试点击效果。
父组件选择器
在操作栏新增了父组件选择按钮,可以快速跳转到当前组件的父级进行编辑。
布局优化
移除了position: fixed样式,使Puck更容易嵌入到现有应用中。
开发者工具增强
ActionBar标签组件
新增<ActionBar.Label>组件,可以在自定义操作栏中创建分类区域:
<ActionBar>
<ActionBar.Label label="样式设置" />
{/* 样式相关操作 */}
<ActionBar.Label label="内容设置" />
{/* 内容相关操作 */}
</ActionBar>
升级注意事项
- React版本要求:不再支持React 17,请确保升级到React 18+
- Drawer组件变更:direction属性已失效,改为使用常规CSS控制布局
- DropZone一致性:现在始终使用div包装,可能影响现有样式
- 废弃属性:Drawer.Item的index和Drawer的droppableId将被移除
技术实现亮点
新拖拽引擎基于dnd-kit实现,通过精心设计的碰撞检测算法和布局感知系统,实现了在多维空间中的精准定位。引擎会自动识别父容器的布局方式(flex/grid/block),并相应调整拖拽行为。
对于高级用户,还可以通过collisionAxis属性强制指定碰撞检测方向,满足特殊布局需求。
总结
Puck v0.18.0通过革命性的拖拽引擎,将可视化编辑体验提升到了新高度。它不仅解决了长期存在的布局限制,还为开发者提供了更精细的控制能力。无论是简单的营销页面还是复杂的应用界面,现在都能通过Puck高效构建。
这次升级标志着Puck从一个基础的内容编辑器,成长为真正专业的可视化开发工具,为React生态中的低代码解决方案树立了新标准。
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。C096
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python058
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00