Angular-Split v19.0.0 发布:全面拥抱 Angular 19 新时代
Angular-Split 是一个基于 Angular 框架的布局分割组件库,它允许开发者轻松创建可拖拽调整大小的面板布局。这种布局方式在现代 Web 应用中非常常见,比如代码编辑器、数据分析工具等需要多面板协同工作的场景。
核心更新内容
Angular 19 全面支持
本次 v19.0.0 版本最重要的更新是对 Angular 19 的全面支持。随着 Angular 框架本身的演进,Angular-Split 也同步升级,确保开发者能够在最新版本的 Angular 环境中无缝使用这个强大的布局组件。
Node.js v22 兼容性增强
除了 Angular 框架本身的升级外,新版本还特别增加了对 Node.js v22 的支持。这意味着开发者可以在最新的 Node.js 环境中构建和运行基于 Angular-Split 的应用,享受最新运行时环境带来的性能提升和新特性。
技术架构改进
现代化指令重构
v19.0.0 版本中对 gutter 指令进行了全面的现代化重构。Gutter 是分割条的核心交互部分,这次重构采用了现代 Angular 的最佳实践,使得代码更加清晰、性能更优,同时也为未来的功能扩展打下了更好的基础。
信号(Signal)写入优化
移除了信号写入效果(Signal Writes Effect),这一改进使得组件在响应式编程模型下的表现更加高效。信号是 Angular 响应式编程的核心概念之一,这一优化将提升组件在复杂应用中的性能表现。
文档与维护改进
文档质量提升
开发团队对文档进行了全面检查和修复,确保开发者能够获得准确、最新的使用指南。良好的文档对于开源项目至关重要,它能显著降低新用户的学习曲线。
构建工具更新
项目构建工具链也进行了更新,从 yarn 切换到了 npm 作为包管理器。这一变化使得项目与 Angular 生态系统的标准实践更加一致,同时也简化了贡献者的开发环境配置。
版权年份更新
作为常规维护的一部分,项目更新了许可证中的版权年份信息,保持了开源项目的法律合规性。
升级建议
对于正在使用 Angular-Split 的开发者,建议在升级到 Angular 19 的同时升级到 Angular-Split v19.0.0。新版本不仅提供了更好的兼容性,还在性能和代码质量方面有所提升。升级时需要注意:
- 确保项目已经升级到 Angular 19
- 检查自定义样式是否与新版本的 gutter 实现兼容
- 在测试环境中充分验证布局行为
Angular-Split 持续保持与 Angular 核心框架的同步更新,展现了项目维护团队对技术前沿的快速响应能力,也为开发者提供了稳定可靠的布局解决方案。
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-1.5HunyuanVideo-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
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