Lexical富文本编辑器v0.31.1版本发布:核心功能优化与Bug修复
Lexical是一个由Facebook开发的现代化富文本编辑器框架,它采用模块化设计,提供了高度可定制化的编辑体验。作为React生态中的重要组件,Lexical以其卓越的性能和灵活性在开发者社区中广受欢迎。
本次发布的v0.31.1版本是一个重要的补丁更新,主要针对开发工具构建回归问题进行了修复,同时对富文本编辑、列表、表格等多个核心功能模块进行了优化和改进。
富文本编辑功能增强
在富文本编辑方面,本次更新解决了一个关于退格键行为的长期问题。现在,当用户在一个缩进块的首个子元素开头按下退格键时,系统将只执行取消缩进操作,而不会影响其他编辑行为。这一改进使得缩进操作更加符合用户的预期,提升了编辑体验的流畅性。
列表功能优化
列表模块的改进主要集中在样式继承方面。新版本修复了在缩进列表项时标记样式未能正确继承的问题。现在,当用户缩进列表项时,标记样式(如项目符号或编号的样式)将能够正确地从父级列表继承,确保了列表在视觉上的一致性。
Markdown转换器改进
Markdown转换器在本次更新中也获得了重要改进。链接转换器现在会显式地为URL添加协议,这一变化解决了之前版本中某些情况下链接可能无法正确识别的问题。例如,当用户输入"example.com"时,转换器会自动将其转换为"http://example.com",确保了链接的完整性和可用性。
React集成增强
React集成方面新增了一项配置能力。开发者现在可以自定义useBasicTypeaheadTriggerMatch钩子中的标点符号正则表达式片段,这为特殊场景下的类型提示匹配提供了更大的灵活性。例如,开发者可以根据需要调整哪些字符被视为触发类型提示的标点符号。
表格功能完善
表格模块的DOM导入功能得到了增强,现在能够完整支持冻结行和列的导入。这一改进使得从外部源导入包含冻结行列的表格数据成为可能,扩展了表格组件的使用场景。
开发工具修复
开发工具构建过程中出现的Vite配置问题在此版本中得到了修复。之前版本中由于环境变量处理不当导致的构建失败问题现已解决,确保了开发工具在各种环境下的稳定运行。
文档更新
本次更新还包含了重要的文档补充。新增了关于NodeState的详细文档和示例代码,帮助开发者更好地理解和使用Lexical中的节点状态管理功能。这些文档详细介绍了如何创建、更新和监听节点状态,为开发者提供了宝贵的参考资源。
总结
Lexical v0.31.1版本虽然是一个补丁更新,但包含了多项重要的功能改进和问题修复。从富文本编辑行为的优化到列表样式的继承,从Markdown转换器的增强到表格功能的完善,这些改进共同提升了编辑器的稳定性和用户体验。
对于开发者而言,React集成的新配置选项和新增的NodeState文档将大大提升开发效率。而开发工具构建问题的解决则确保了开发流程的顺畅。
这些改进体现了Lexical团队对产品质量的持续追求和对开发者需求的积极响应,为构建高质量的富文本编辑体验奠定了更加坚实的基础。
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00