Unovis 1.5.1版本发布:图表库的多项功能增强与优化
Unovis是一个现代化的数据可视化库,它提供了丰富的图表组件和灵活的配置选项,帮助开发者快速构建高质量的数据可视化应用。Unovis支持多种框架,包括React、Angular和Vue等,使得它能够轻松集成到各种前端项目中。
核心功能改进
图表组件增强
-
图形图(Graph)的多链接标签支持
新版本中,Graph组件现在支持为多个链接添加标签,这大大增强了复杂关系网络的可读性。开发者可以更清晰地展示节点间的多重关系,特别适合社交网络分析、依赖关系可视化等场景。 -
半圆环图(Donut)支持
新增了半圆环图功能,为数据展示提供了更多样化的选择。半圆环图特别适合展示完成度、进度等指标,相比完整圆环图能更有效地利用空间。 -
堆叠条形图(Stacked Bar)值处理优化
改进了堆叠值的处理逻辑,确保数据展示更加准确。这一改进解决了之前版本中在某些边界条件下可能出现的显示问题。
交互体验提升
-
图形图的指针事件处理优化
修复了图形图中指针事件的相关问题,使交互更加流畅。同时新增了悬停时链接高亮的可配置选项,开发者可以根据需求自定义交互反馈效果。 -
折线图(Line)虚线插值支持
现在折线图支持对缺失值使用虚线插值显示,这使得数据缺失部分更加明显,帮助用户更好地理解数据连续性。
开发者体验改进
-
类型系统增强
对坐标轴(Axis)组件的tickFormat类型定义进行了优化,提供了更好的类型提示和代码补全支持。 -
性能优化选项
Graph组件新增了shouldDataUpdate选项,允许开发者更精细地控制更新行为,在特定场景下可以显著提升性能。 -
构建工具链更新
集成了bumpp工具来自动化版本管理流程,并更新了模块解析策略,解决了动态导入相关的问题。
安全性与稳定性
-
安全问题修复
更新了依赖项以解决已知的安全隐患,确保项目安全性。 -
测试覆盖增强
新增了Percy测试,提高了组件的视觉回归测试覆盖率,确保UI一致性。
总结
Unovis 1.5.1版本带来了多项实用功能和改进,特别是在图形图组件和交互体验方面有显著提升。这些改进使得开发者能够构建更加丰富、交互性更强的数据可视化应用,同时保持了良好的性能和稳定性。对于正在使用或考虑使用Unovis的团队来说,这个版本值得升级。
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
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