SmartHR UI v72.0.0 版本发布:增强表单组件与对话框功能
SmartHR UI 是一个现代化的 React UI 组件库,专为企业级人力资源管理应用设计。它提供了一系列经过精心设计的组件,帮助开发者快速构建一致、美观且功能强大的用户界面。本次发布的 v72.0.0 版本带来了两个主要的功能增强和一些问题修复,下面我们将详细解析这些更新内容。
RadioButtonPanel 组件增强
本次更新对 RadioButtonPanel 组件进行了重要改进,使其能够支持更丰富的文本内容展示。RadioButtonPanel 是表单中常用的单选按钮组组件,常用于选项选择场景。
主要变更点
-
文本内容分离:现在可以将主标签文本和说明文本分开传递。主标签通过
label属性传递,而说明文本则通过children传递。 -
样式自动调整:当组件检测到有说明文本(children)存在时,会自动为主标签应用加粗(bold)样式,使界面层次更加清晰。
-
迁移指南:对于现有项目,需要将原先通过 children 传递的主标签文本迁移到 label 属性中。如果有说明文本,则应该继续使用 children 传递。
实际应用示例
// 旧版用法
<RadioButtonPanel>
主标签文本
</RadioButtonPanel>
// 新版用法 - 只有主标签
<RadioButtonPanel label="主标签文本" />
// 新版用法 - 主标签加说明
<RadioButtonPanel label="主标签文本">
这里是详细的说明文本,可以更详细地描述这个选项的含义。
</RadioButtonPanel>
这一改进使得表单选项能够展示更丰富的信息,同时保持界面整洁和易读性,特别适合需要额外解释的复杂选项场景。
新增 RemoteTriggerStepFormDialog 组件
v72.0.0 版本引入了一个全新的组件——RemoteTriggerStepFormDialog,这是一个多步骤表单对话框组件,设计用于处理复杂的分步表单流程。
核心特性
-
分步处理:将复杂的表单流程分解为多个逻辑步骤,降低用户认知负担。
-
远程触发:支持从应用的其他位置触发对话框打开,便于在复杂交互流程中使用。
-
状态管理:内置了步骤状态管理,开发者可以专注于业务逻辑而非流程控制。
使用场景
这个组件特别适合以下场景:
- 用户注册流程
- 多步骤的数据录入
- 需要分阶段确认的复杂操作
- 向导式的任务引导
Stepper 组件修复
本次版本还修复了 Stepper 组件中的一个显示问题。当步骤标题文本较长时,在垂直布局模式下连接线会出现断裂现象。修复后,无论标题长度如何,连接线都能正确显示,保证了视觉一致性。
升级建议
对于正在使用 SmartHR UI 的项目,升级到 v72.0.0 时需要注意:
- 检查项目中所有 RadioButtonPanel 的使用情况,按照新的 API 规范进行调整。
- 评估是否可以将现有的多步骤表单迁移到新的 RemoteTriggerStepFormDialog 组件,以提升用户体验。
- 如果项目中使用了垂直布局的 Stepper 组件且存在长标题情况,升级后将自动获得修复。
SmartHR UI 持续致力于提供高质量的企业级 UI 组件,本次更新进一步丰富了表单相关的功能,为构建更复杂的业务场景提供了更好的支持。开发者可以充分利用这些新特性,打造更加友好和高效的人力资源管理系统界面。
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-X1-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
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