Project Graph 1.6.3版本发布:无向边与超边功能全面升级
Project Graph是一款专注于可视化图形编辑的开源工具,它为用户提供了直观的节点和边操作界面,特别适合用于知识图谱构建、思维导图绘制以及复杂关系网络的可视化分析。在1.6.3版本中,开发团队重点增强了无向边和超边的功能,同时对用户体验进行了多项优化。
核心功能升级
多源无向边功能完善
1.6.3版本对无向边功能进行了全面增强。现在用户可以在无向边上直接编辑文字,这为标记边的关系类型或添加注释提供了便利。开发者还增加了箭头显示选项,用户可以根据需要选择箭头显示在内部、外部或完全隐藏箭头。
技术实现上,无向边采用了直线连接方式而非曲线,这提高了视觉清晰度。特别值得一提的是,无向边的中心位置现在支持拖拽调整,用户可以通过鼠标操作灵活改变边的布局。在数据持久化方面,团队确保了无向边的所有属性都能正确保存和加载。
超边功能重大改进
超边功能在本版本获得了算法级优化。开发团队实现了凸包算法,使得超边能够以更美观的凸包形式渲染节点集合。系统会自动计算合适的padding值,确保超边与包含的节点保持恰当距离。
新增的超边渲染模式切换功能允许用户在不同视觉表现间选择,这为不同使用场景提供了灵活性。例如,在处理密集节点群时,用户可以选择最合适的渲染方式来保持界面清晰。
用户体验优化
交互方式增强
1.6.3版本显著改善了视图导航体验。横向滚轮的支持让用户能够更自然地浏览大型图形。当使用方向键移动选中节点时,摄像机的跟随移动变得更加平滑,减少了视觉跳跃感。
侧边滚轮(通常指鼠标拇指滚轮)获得了自定义功能,用户可以根据习惯设置其行为。新增的"滚动时视野跟随鼠标移动"选项进一步提升了操作直觉性。
文本与链接处理
现在,任何实体(节点或边)详细信息的第一行都会被特殊处理:如果内容符合路径格式,系统会将其识别为可打开的外部链接。这一设计巧妙地扩展了文本节点的功能,使其能够充当文档或资源的快捷入口。
新增的文本交换快捷键(e e e e e)提供了快速将节点内容与详细信息互换的能力,这对需要频繁调整节点显示内容的用户特别有用。
技术细节优化
在底层实现上,开发团队重构了节点旋转相关的代码,改善了命名规范和维护性。框选机制从"非完全覆盖"模式升级为更精确的"碰撞检测"模式,提高了选择操作的准确性。
错误处理界面经过重新设计,现在更便于用户复制错误信息寻求技术支持。视觉方面,凸包线的渲染效果获得优化,整体显示更加清晰美观。
实用功能与小改进
版本中包含多项贴心的小功能:生成大量表情节点的快捷键(= = =)为演示和测试场景提供了便利;KEI和RUA节点的生成算法经过调整,布局更加合理;各种文本提示和翻译内容也经过了仔细校对和优化。
Project Graph 1.6.3通过上述改进,在功能丰富度和使用流畅度上都达到了新高度。无向边和超边功能的完善使其在处理复杂关系网络时更具优势,而全方位的交互优化则让各类用户都能获得更舒适的操作体验。这些变化共同推动Project Graph向着更专业、更易用的可视化工具方向迈进。
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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