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。
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