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。
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-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
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