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。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00