Project-Graph节点删除异常问题分析与解决方案
问题背景
在Project-Graph项目中,用户报告了一个关于节点删除操作的异常现象:当用户在节点附近反复拉短线进行删除操作时,有一定概率会意外触发节点的删除。这一问题在Windows 10和Windows 11系统上均可复现,且不受系统显示缩放比例的影响。
问题现象分析
通过用户提供的多张截图和详细描述,我们可以观察到以下关键现象:
- 当用户在节点上边沿的横向坐标上任意一点进行操作时,都可能触发此问题
- 异常删除发生时,正常的删除特效不会显示
- 问题在1.4.12版本后触发难度增加,但仍存在
- 系统缩放比例调整(100%或125%)不影响问题复现
技术排查过程
开发团队通过多种技术手段对问题进行了深入排查:
1. 碰撞检测算法分析
初步怀疑是直线段与矩形碰撞检测算法存在问题。该算法的本质是检测直线段与矩形边框四个线段的相交情况。在早期版本中,当鼠标恰好重叠在水平线上时也会被判定为相交,这可能是导致误判的原因之一。
2. 特效显示差异
注意到正常删除和异常删除在特效显示上的差异:
- 正常删除:显示碎块裂痕特效
- 异常删除:不显示任何特效
这一差异为问题定位提供了重要线索,表明两种删除操作触发了不同的代码路径。
3. 逐帧观察法
通过逐帧观察用户操作过程,发现:
- 存在一个白色触碰点被检测到在节点右侧
- 右上角往下切割时特别容易出现此问题
- 有时会出现三个闪烁点(第二个闪烁点频繁抖动变化)
这些观察结果表明碰撞检测可能存在不稳定现象。
问题根源
综合各种分析,确定问题根源可能来自两个方面:
-
碰撞检测算法缺陷:直线段与矩形相交的判定算法在某些边界条件下会产生误判,特别是在水平线重叠情况下。
-
碰撞箱与实际显示不一致:节点的实际矩形碰撞箱与视觉显示的边框存在不一致,导致检测位置偏移。
解决方案
开发团队实施了以下修复措施:
-
优化碰撞检测前置条件:在1.4.16版本中,修改了碰撞检测算法,避免在鼠标恰好重叠水平线时的误判。
-
统一特效触发逻辑:确保所有删除操作都通过相同的代码路径触发特效,避免出现有的删除有特效、有的没有的情况。
-
增加删除操作验证:对于过短的删除线直接不触发删除操作,作为额外的保护措施。
验证结果
经过多次版本迭代(1.4.12至1.4.17),问题得到显著改善:
- 误触发的概率大幅降低
- 需要更精确的操作才能复现问题
- 最终在1.4.17版本中问题得到完全修复
经验总结
此问题的解决过程提供了宝贵的经验:
-
用户反馈的重要性:详细的用户报告和截图对问题定位至关重要。
-
多维度验证:通过特效差异、逐帧分析等多种手段交叉验证问题根源。
-
渐进式修复:通过多个版本的逐步优化,最终彻底解决问题。
-
边界条件处理:在碰撞检测等算法中,需要特别注意边界条件的处理。
这一案例展示了在图形界面应用中,精确的碰撞检测和一致的状态管理对于用户体验的重要性,也为类似问题的解决提供了参考模式。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0152- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
LongCat-Video-Avatar-1.5最新开源LongCat-Video-Avatar 1.5 版本,这是一款经过升级的开源框架,专注于音频驱动人物视频生成的极致实证优化与生产级就绪能力。该版本在 LongCat-Video 基础模型之上构建,可生成高度稳定的商用级虚拟人视频,支持音频-文本转视频(AT2V)、音频-文本-图像转视频(ATI2V)以及视频续播等原生任务,并能无缝兼容单流与多流音频输入。00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0112