NiceGUI 2.12.0版本发布:新增滑动组件与评分控件
项目简介
NiceGUI是一个基于Python的现代Web UI框架,它允许开发者快速构建交互式Web应用程序。该框架采用声明式编程风格,通过简单的Python代码即可创建丰富的用户界面,无需前端开发经验。NiceGUI特别适合数据可视化、仪表盘、物联网控制面板等场景。
2.12.0版本亮点
新增UI组件
本次版本引入了两个实用的新组件:
-
滑动组件(ui.slide_item)
这是一个灵活的滑动容器组件,可用于创建轮播图、图片画廊或任何需要水平滑动的内容展示。开发者可以轻松实现触摸友好的滑动交互效果,适用于移动端和桌面端。 -
评分控件(ui.rating)
全新的评分组件支持用户通过点击星星来提供评分反馈。该组件可自定义星星数量、大小和颜色,并支持半星评分等高级功能,非常适合产品评价、满意度调查等场景。
侧边栏改进
抽屉式侧边栏组件(ui.drawer及其变体)现在继承自ValueElement基类,这意味着:
- 开发者可以通过绑定方式控制侧边栏的显示/隐藏状态
- 支持响应式编程模式,侧边栏状态变化可自动触发相关逻辑
- 与其他NiceGUI组件保持一致的API设计风格
静态文件处理优化
文件处理功能得到增强:
- 当使用app.add_static_file和app.add_media_file方法时,新增了忽略不存在文件的选项
- 这一改进使得开发者在处理动态文件列表时更加灵活,避免因个别文件缺失导致整个操作失败
地图组件增强
ui.leaflet地图组件新增了对WMS(Web Map Service)图层的支持:
- 可以直接加载符合OGC标准的WMS地图服务
- 支持叠加多个WMS图层创建复杂的地图可视化
- 为GIS应用开发提供了更专业的地图功能
国际化与用户体验
- 新增了连接状态提示弹窗的多语言支持
- 改进了通知系统的更新机制,使消息显示更加流畅
存储系统修复
- 修复了Redis存储中delete方法的异步处理问题
- 解决了app.storage.general初始化相关的若干问题
- 确保存储操作在各种场景下都能可靠执行
技术细节优化
-
对象复制与绑定
现在可以正确复制带有可绑定属性的对象,并保持绑定关系不变。这一改进使得在复杂应用中复用和组合UI组件更加方便。 -
编码规范
项目中明确使用UTF-8编码处理文件操作,避免在不同环境下可能出现的编码问题。 -
代码格式化
在pyproject.toml中定义了autopep8规则,统一了代码风格,提高了项目的可维护性。
实际应用建议
对于想要升级到2.12.0版本的开发者,建议关注以下实践:
-
滑动组件的性能优化
当处理大量滑动项时,考虑使用虚拟滚动技术避免性能问题。 -
评分控件的自定义
可以利用CSS变量轻松调整评分组件的外观,使其与应用主题保持一致。 -
WMS图层的使用
在使用WMS服务时,注意处理可能的跨域问题和图层加载顺序。 -
存储系统的健壮性
对于关键数据,建议实现适当的错误处理和重试机制,特别是在使用Redis等远程存储时。
NiceGUI 2.12.0版本的这些改进和新增功能,进一步丰富了框架的组件库,提升了开发体验,使开发者能够更高效地构建现代化的Web应用界面。
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-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