Tiptap 3.0.0-next.7 版本发布:编辑器核心功能升级与优化
Tiptap 是一个基于 ProseMirror 构建的现代化富文本编辑器框架,它提供了模块化的扩展系统和友好的开发者体验。作为 Vue 和 React 生态中广受欢迎的编辑器解决方案,Tiptap 3.0 版本正在稳步推进中,本次发布的 next.7 版本带来了多项重要改进。
核心功能增强
本次更新中,编辑器实例新增了 unmount 方法,这是一个重要的架构改进。与 destroy 方法不同,unmount 仅负责将编辑器从 DOM 中卸载,而保留了所有配置选项和事件监听器。这种设计模式使得编辑器实例可以更灵活地被重用,特别适合需要频繁挂载/卸载编辑器的场景,如单页应用中的动态内容编辑。
扩展重命名与优化
为了提供更清晰的语义化命名,开发团队对两个核心扩展进行了重命名:
@tiptap/extension-history更名为@tiptap/extension-undo-redo,更准确地表达了该扩展的功能定位——提供撤销和重做功能。@tiptap/extension-collaboration-cursor更名为@tiptap/extension-collaboration-caret,更精确地描述了其在协同编辑中显示其他用户光标位置的功能。
这些命名变更虽然带来了破坏性变化,但显著提升了代码的可读性和功能表达的准确性。
类型系统强化
整个项目在类型系统方面进行了重大改进,通过强制执行类型导入,确保打包工具在生成 dist 目录中的 index.js 文件时能够正确忽略 TypeScript 类型导入。这一改进不仅优化了构建输出,还提升了类型检查的严格性,为开发者提供了更好的类型安全保证。
表格扩展升级
prosemirror-tables 依赖项已升级至 1.6.4 版本,修复了表格相关的多个问题。这一升级为 Tiptap 的表格功能带来了更好的稳定性和兼容性。
有序列表修复
修复了有序列表扩展中默认类型值的问题,现在正确地使用 null 作为默认值。这一修复确保了有序列表在各种场景下的行为一致性。
YouTube 扩展增强
YouTube 扩展获得了两个实用改进:
- 新增了设置 rel 属性的选项,增强了嵌入链接的可定制性
- 改进了嵌入 URL 生成逻辑,现在支持视频列表的嵌入
这些改进使得 YouTube 视频嵌入功能更加灵活和强大。
构建系统优化
项目构建系统进行了多项依赖升级,包括:
- Cypress 测试工具升级
- Vite 构建工具更新至 5.4.15
- esbuild 升级至 0.25.0
- GitHub Actions 相关依赖更新
这些升级提升了开发体验和构建效率,同时确保了项目的长期可维护性。
总结
Tiptap 3.0.0-next.7 版本在编辑器核心功能、类型系统、扩展功能和构建系统等方面都进行了重要改进。这些变化不仅提升了编辑器的稳定性和性能,也为开发者提供了更好的开发体验。随着 3.0 版本的逐步完善,Tiptap 正在成为一个更加强大、灵活的富文本编辑解决方案。
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