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。
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
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00