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。
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 StartedRust099- 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
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00