Semi Design Table 组件 rowSelection.getCheckboxProps 属性优化解析
Semi Design 是一个优秀的企业级设计系统,其 Table 组件提供了丰富的功能以满足复杂业务场景的需求。在最新版本中,开发团队修复了一个关于 rowSelection.getCheckboxProps 属性的重要问题,这个改进对于使用表格选择功能的开发者来说具有重要意义。
问题背景
在表格组件的使用中,rowSelection 属性允许开发者配置行选择功能。其中的 getCheckboxProps 方法用于为每一行的选择框设置额外属性。在之前的实现中,该方法允许返回包含 checked 或 defaultChecked 属性的对象,这实际上会导致选择状态管理的混乱。
问题本质
选择框的状态管理应该由 Table 组件内部统一处理,通过 selectedRowKeys 等属性来控制。当开发者通过 getCheckboxProps 返回 checked 或 defaultChecked 属性时,会与组件内部的状态管理产生冲突,导致不可预期的行为。
这种设计违反了 React 的状态管理原则,即单一数据源原则。理想情况下,选择状态应该只由一个地方控制,而不是同时在组件内部和外部属性中定义。
解决方案
在 v2.62.0 版本中,Semi Design 团队修复了这个问题。现在:
- getCheckboxProps 返回的对象中如果包含 checked 或 defaultChecked 属性,这些属性将被忽略
- 类型定义(TypeScript接口)也相应更新,明确排除了这些属性
- 选择状态完全由 selectedRowKeys 和相关的回调函数控制
最佳实践
基于这一改进,开发者在使用 Table 的选择功能时应该:
- 避免在 getCheckboxProps 中返回 checked/defaultChecked 属性
- 使用 selectedRowKeys 状态和 onChange 回调来管理选择状态
- 对于需要禁用某些行选择的场景,仍然可以使用 disabled 属性
- 其他自定义属性(如 name)可以正常使用
技术实现细节
在底层实现上,Semi Design 团队可能采用了属性过滤的方式,在将属性传递给实际的 Checkbox 组件前,移除了可能引起冲突的 checked 相关属性。这保证了状态管理的单一性,同时保持了 API 的向后兼容性。
升级建议
对于正在使用旧版本 Semi Design 的开发者:
- 检查项目中是否在 getCheckboxProps 中使用了 checked/defaultChecked
- 将这些状态管理迁移到 selectedRowKeys 和 onChange 回调中
- 升级到 v2.62.0 或更高版本以获得更稳定的行为
这一改进体现了 Semi Design 团队对 API 设计一致性和状态管理严谨性的重视,使得表格选择功能更加可靠和可预测。
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