FTXUI 6.0.0版本发布:C++终端UI库的重大更新
FTXUI是一个轻量级的C++库,专门用于在终端中构建丰富的用户界面。它提供了现代化的组件系统、灵活的布局管理以及强大的事件处理能力,让开发者能够轻松创建跨平台的命令行应用程序。最新发布的6.0.0版本带来了多项重要改进和新特性,显著提升了开发体验和功能完整性。
核心组件增强
6.0.0版本在组件系统方面进行了多项重要改进。新增了对原始输入(raw input)的支持,这使得库能够检测到更多的按键组合,极大地扩展了键盘交互的可能性。开发者现在可以通过ScreenInteractive::ForceHandleCtrlC和ScreenInteractive::ForceHandleCtrlZ方法完全覆盖默认的Ctrl+C和Ctrl+Z处理逻辑,为应用程序提供了更精细的控制权。
鼠标交互方面,新增了Mouse::WeelLeft和Mouse::WeelRight事件,在支持的终端上可以实现更丰富的滚轮交互体验。同时,对鼠标移动事件的处理进行了重构,新增了Mouse::Moved动作类型,解决了之前版本中多个复选框可能被意外激活的问题。
输入组件(Input)现在支持插入模式,通过InputOption::insert选项可以灵活配置输入行为。下拉菜单(Dropdown)增加了DropdownOption配置项,开发者可以更细致地控制下拉菜单的显示和行为。
选择功能与交互改进
6.0.0版本引入了一个重要的新特性:文本选择支持。通过ScreenInteractive::GetSelection()方法可以获取当前选中的文本内容,而ScreenInteractive::SelectionChange监听器则允许开发者响应用户的选择变化。在DOM层面,新增了selectionColor、selectionBackgroundColor等装饰器,可以自定义选中文本的显示样式。
鼠标交互处理得到了全面改进,现在能够更准确地报告控制键状态(mouse.control),并修复了多个与光标位置相关的问题。特别是修复了在最后一列时光标位置不准确的问题,提升了用户体验。
样式与渲染增强
在样式系统方面,6.0.0版本新增了斜体(italic)文本装饰器,开发者现在可以使用text("Italic text") | italic或italic(text("Italic text"))语法来显示斜体文本。水平滚动指示器(hscroll_indicator)的加入使得长内容的导航更加直观。
颜色系统获得了透明度支持,新增了Color::RGBA和Color::HSVA构造函数,以及Color::Blend混合方法和Color::IsOpaque透明度检测功能。这些改进为终端UI带来了更丰富的视觉效果可能性。
布局与尺寸控制
在布局管理方面,Dimension::Fit新增了extend_beyond_screen选项,允许元素超出屏幕边界显示,这在处理某些特殊布局需求时非常有用。Box类新增了IsEmpty()方法,方便开发者检查布局容器是否为空。
构建系统改进
6.0.0版本开始支持CMake的"unity/jumbo"构建模式,这可以显著加快大型项目的编译速度。同时,工具链的改进使得库在各种平台上的构建更加稳定可靠。
总结
FTXUI 6.0.0版本是一个重要的里程碑,它在交互性、样式系统和构建支持等方面都带来了显著改进。特别是新增的文本选择功能和透明度支持,使得这个轻量级的终端UI库能够满足更复杂的应用场景需求。对于正在使用或考虑使用FTXUI的开发者来说,这个版本值得升级。
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