MASA.Blazor 1.9.0-rc.1版本发布:全新Tour组件与多项功能增强
MASA.Blazor是一个基于Blazor技术栈的企业级UI组件库,它提供了丰富的组件和功能,帮助开发者快速构建现代化的Web应用。本次发布的1.9.0-rc.1版本带来了全新的Tour组件,并对现有组件进行了多项功能增强和优化。
全新Tour组件
本次更新最引人注目的是新增的Tour组件,它基于Driver.js实现,为应用提供了强大的引导功能。Tour组件可以帮助新用户快速了解应用功能,或者引导用户完成复杂操作流程。开发者可以轻松定义多个步骤,每个步骤可以高亮特定的界面元素并显示说明文字。
组件功能增强
Cascader组件改进
Cascader组件现在支持绑定List类型的值,这为处理多选场景提供了更好的支持。需要注意的是,这次更新引入了新的泛型参数TItemValue,开发者在使用时需要相应调整代码。
ECharts图表优化
ECharts组件现在支持自定义加载选项,开发者可以根据需求调整图表加载时的视觉效果,提升用户体验。
InfiniteScroll无限滚动
InfiniteScroll组件改进了加载逻辑,现在会在仍有空间可加载时自动触发下一页加载,使得滚动体验更加流畅自然。
国际化支持
MI18n组件现在支持通过事件强制更新国际化值,这为动态切换语言提供了更好的支持。
List列表组件
List组件新增了Slim参数,可以减少水平空间占用,使得列表在紧凑布局中表现更好。
PageStack页面堆栈
PageStack组件有多项改进:
- 支持在推送新页面时移除顶部页面
- 在推送第一个页面到堆栈时阻止滚动
- 允许特定标签页设置为非持久化
- 移除了TabbedPatterns和SelfPatterns属性,改用更灵活的TabRules
PDF查看器
PdfJS组件新增了MaxImageSize参数,可以控制图像渲染的大小限制,这对于处理大尺寸PDF文档特别有用。需要注意的是,PdfMobileViewer组件已迁移到独立项目,需要单独引用。
滑动组件
SlideGroup组件现在支持触摸水平滚动,提升了移动端用户体验。
工具提示
Tooltip组件有多项改进:
- 新增Text参数简化文本显示
- 在容器内可以使用'parent'作为激活器
- 默认显示位置改为顶部
Window窗口组件
Window组件现在支持触摸滑动操作,增强了移动设备上的交互体验。
问题修复
本次更新修复了多个组件的问题,包括:
- Activatable组件默认显示触发内容的问题
- 点击事件传播处理
- DataTable分组时的展开状态问题
- NavigationDrawer在底部设置时的触摸展开问题
- PageStack替换URI查询参数的问题
- Treeview组件值可为空的处理
- TimePicker在移动设备服务器端点击小时不自动跳转分钟的问题
技术优化
在技术实现方面,本次更新进行了多项优化:
- 将PdfMobileViewer组件迁移到独立项目
- 增强了MResponsive并优化了部分示例和文档
- 改进了JSInterop使用唯一ID进行更好的跟踪和移除
文档改进
文档系统优化了查询演示源代码的延迟问题,提升了开发者查阅文档的体验。
升级指南
对于使用Cascader组件的开发者,需要注意新增的TItemValue泛型参数。如果使用了分离的@bind-Value绑定,需要传递额外的TItemValue类型参数。
对于使用PdfMobileViewer组件的开发者,需要添加新的独立包引用。
PageStack组件的TabbedPatterns和SelfPatterns属性已被移除,改用更灵活的TabRules替代。
总的来说,MASA.Blazor 1.9.0-rc.1版本在功能丰富性、用户体验和技术实现上都有显著提升,特别是新增的Tour组件为应用引导提供了专业解决方案,值得开发者关注和升级体验。
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 StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0114
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java04
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook08