Project Graph 1.7.3版本发布:树形节点优化与SVG支持
Project Graph是一款专注于图形化思维导图与节点式设计的工具软件,它通过直观的图形界面帮助用户构建复杂的思维网络和流程图。在最新发布的1.7.3版本中,开发团队针对核心功能进行了多项重要优化,特别是改进了树形节点的生成逻辑并新增了对SVG图形的原生支持。
树形节点生成机制优化
本次更新重点修复了使用Tab键与反斜杠键生成树形节点时的两个关键问题。首先是节点间距异常增大的缺陷,这在之前的版本中会导致随着节点层级的增加,子节点与父节点之间的空隙会不合理地扩大,影响整体布局的美观性和实用性。新版本通过重新计算节点间距算法,确保了各级节点保持合理的相对位置。
另一个重要修复是针对节点在框内生成时的定位问题。当用户在画布上的框内创建树形结构时,旧版本中新生成的节点可能会出现在框外,破坏原有的组织结构。1.7.3版本改进了这一行为,确保所有新节点都能正确地保持在框内边界范围内。
此外,使用Alt+方向键在实体周围创建节点时,新版本采用了更紧凑的布局策略,使得生成的节点网络更加紧密有序,提升了整体视觉效果和使用效率。
SVG节点支持
1.7.3版本引入了一个备受期待的新功能——原生SVG节点支持。用户现在可以直接复制SVG代码,然后通过快捷键在画布上粘贴创建SVG图形节点。这一功能极大地扩展了Project Graph的图形表达能力,允许用户导入各种矢量图形元素,丰富了思维导图的视觉呈现方式。
SVG节点的加入使得Project Graph不仅限于基本的形状和文本节点,还能整合更复杂的图形元素,为专业用户提供了更大的创作空间。无论是简单的图标还是复杂的矢量插图,现在都能无缝集成到思维导图中。
视觉与交互优化
在视觉呈现方面,1.7.3版本进行了多项细节改进。坐标轴数字的位置被重新调整,解决了当视图位于第一或第三象限时,坐标数字可能遮挡工具栏小标题的问题。这一看似微小的调整实际上显著提升了界面元素的清晰度和可读性。
主题模式下的视觉反馈也得到了增强。开发团队优化了不同主题下删除实体和选中实体的边框颜色,提高了两者的区分度,使用户能够更直观地识别当前操作状态。
macOS平台专项优化
针对macOS用户,1.7.3版本解决了几个长期存在的交互问题。最显著的变化是删改键的默认行为调整——新安装用户的删除键现在对应Backspace功能,而非Delete,这更符合大多数macOS用户的使用习惯。
另一个重要修复涉及粘贴操作后的键盘状态检测。旧版本中,在画布上使用Command+V粘贴内容后,系统有时会错误地认为Command和V键仍处于按下状态,导致后续操作异常。新版本彻底解决了这一干扰性问题,确保了键盘输入的准确性。
总结
Project Graph 1.7.3版本虽然是一个维护性更新,但包含了对核心功能的多项实质性改进。树形节点生成机制的优化使自动布局更加可靠,SVG支持的加入扩展了软件的图形处理能力,而各种细节调整则提升了整体用户体验。特别是对macOS平台的专项优化,显示出开发团队对不同操作系统用户需求的细致关注。
这些改进共同巩固了Project Graph作为一款专业级图形化思维工具的地位,为用户提供了更流畅、更强大的创作环境。无论是日常的思维整理还是复杂的项目规划,新版本都能提供更出色的支持。
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