BPMN流程设计器自定义工具栏元素指南
2025-07-09 04:01:01作者:苗圣禹Peter
在BPMN流程设计器开发过程中,设计者经常需要根据业务需求对工具栏(Palette)进行定制化调整。本文将以bpmn-process-designer项目为例,详细介绍如何隐藏或移除不需要的工具栏元素。
工具栏定制化需求分析
标准的BPMN设计器通常包含完整的建模元素工具栏,包括各种任务类型、网关、事件等。但在实际业务场景中,我们可能只需要使用其中的部分功能。例如:
- 只需要基础的任务和网关类型
- 需要隐藏高级或复杂元素以简化用户界面
- 需要根据用户权限显示不同的工具集
实现方法
CSS隐藏方案
最简单的实现方式是通过CSS选择器隐藏特定元素:
/* 隐藏不需要的工具项 */
.djs-palette .entry[title="手工任务"],
.djs-palette .entry[title="业务规则任务"],
.djs-palette .entry[title="脚本任务"] {
display: none !important;
}
这种方法的优点是:
- 实现简单快捷
- 不需要修改核心代码
- 可随时通过CSS调整显示/隐藏状态
重写Palette方案
更彻底的解决方案是重写PaletteProvider,通过编程方式控制显示哪些工具:
import { PaletteProvider } from 'bpmn-js/lib/features/palette';
class CustomPaletteProvider extends PaletteProvider {
constructor(palette, create, elementFactory, spaceTool, lassoTool) {
super(palette, create, elementFactory, spaceTool, lassoTool);
// 自定义工具项
this._entries = {
'hand-tool': {
group: 'tools',
className: 'bpmn-icon-hand-tool',
title: '激活手动工具',
action: {
click: function(event) {
// 处理逻辑
}
}
},
// 只保留需要的工具项
};
}
getPaletteEntries() {
// 返回自定义的工具项集合
return this._entries;
}
}
方案对比
| 方案 | 优点 | 缺点 | 适用场景 |
|---|---|---|---|
| CSS隐藏 | 简单快捷,无需修改核心代码 | 只是视觉隐藏,元素仍存在 | 快速原型开发,简单需求 |
| 重写Palette | 彻底移除,性能更好 | 需要理解BPMN-JS架构 | 生产环境,复杂定制需求 |
最佳实践建议
- 对于简单项目,优先考虑CSS方案
- 对于企业级应用,建议采用重写Palette方案
- 可以通过环境变量或配置参数动态控制工具显示
- 考虑添加自定义工具项来替代被移除的标准工具
通过合理定制工具栏,可以显著提升用户体验,使设计器更加符合特定业务流程需求。
登录后查看全文
热门项目推荐
相关项目推荐
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
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
402
3.12 K
Ascend Extension for PyTorch
Python
224
249
暂无简介
Dart
672
159
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
663
315
React Native鸿蒙化仓库
JavaScript
262
324
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.2 K
655
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
219