Py-Shiny v1.4.0 版本发布:增强应用状态保存与聊天组件功能
Py-Shiny 是一个基于 Python 的 Web 应用框架,它允许开发者使用 Python 快速构建交互式 Web 应用程序。该框架特别适合数据科学家和分析师,因为它提供了简单直观的 API 来创建复杂的交互式数据可视化界面。
应用状态保存功能
本次 v1.4.0 版本最显著的改进是引入了应用状态保存(Bookmarking)功能。这一功能允许用户保存当前应用的状态,并在之后恢复该状态。对于需要长时间运行或需要保存中间结果的应用场景特别有用。
在 Shiny Core 模式下,开发者可以通过在创建应用对象时设置 shiny.App(bookmark_store=) 来启用状态保存功能。而在更简洁的 Express 模式下,则需要在应用初始化时使用 shiny.express.app_opts(bookmark_store=) 进行配置。
这一功能的实现涉及多个技术层面的改进,包括状态序列化、URL 编码处理以及状态恢复机制等。开发者现在可以轻松地为用户提供"保存当前状态"和"恢复上次状态"的功能,大大提升了用户体验。
聊天组件功能增强
ui.Chat() 组件在此版本中获得了多项重要更新:
-
状态保存支持:新增的
.enable_bookmarking(client)方法允许聊天组件保存和恢复消息历史及客户端状态。这意味着即使用户刷新页面或稍后返回应用,也能看到之前的对话记录。 -
富交互消息:现在聊天消息中可以嵌入各种 Shiny UI 元素,如输入控件(
ui.input_select())和输出渲染器(render.DataGrid())。这为构建更复杂的对话式界面提供了可能,例如在聊天过程中收集用户偏好或展示动态数据。 -
流式消息处理改进:新增的
.message_stream_context()方法提供了更灵活的流式消息处理方式,支持嵌套流和内容替换功能。这对于需要动态更新消息内容或构建多级对话流的场景特别有用。
其他重要改进
ui.MarkdownStream() 组件也获得了多项增强:
- 新增
.latest_stream属性取代了原有的.get_latest_stream_result()方法,提供了更直观的结果访问方式 - 默认最大宽度设置为 680px 并水平居中,提升了长文本的可读性
- 修复了宽度和高度设置不生效的问题
导航栏组件(ui.page_navbar() 和 ui.navset_bar())现在能正确应用通过 ui.navbar_options() 设置的主题和其他属性,解决了之前版本中的样式应用不一致问题。
向后兼容性说明
需要注意的是,Express 模式下的 app_opts() 现在要求所有参数都必须使用关键字形式传递。如果现有代码中使用的是位置参数,需要进行相应调整。
此外,<main> 区域在 ui.page_sidebar() 和带侧边栏的 ui.page_navbar() 中的填充行为也得到了修正,现在会严格遵循 fillable 参数的设置。
总结
Py-Shiny v1.4.0 版本通过引入应用状态保存功能和增强聊天组件,进一步扩展了框架的应用场景。这些改进使得开发者能够构建更持久、更交互式的 Web 应用,特别适合需要保存用户进度或实现复杂对话流程的场景。同时,对现有组件的多项修复和优化也提升了框架的稳定性和一致性。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
ruoyi-plus-soybeanRuoYi-Plus-Soybean 是一个现代化的企业级多租户管理系统,它结合了 RuoYi-Vue-Plus 的强大后端功能和 Soybean Admin 的现代化前端特性,为开发者提供了完整的企业管理解决方案。Vue06- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00