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智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00