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。
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-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
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