Mosaic项目v0.13.0版本发布:增强SQL查询与可视化交互能力
Mosaic是一个创新的数据可视化框架,它结合了SQL查询引擎与交互式可视化组件,让开发者能够高效地构建复杂的数据分析应用。该框架通过声明式语法将数据处理与可视化紧密结合,大大简化了数据探索流程。
核心功能增强
1. 强大的WITH子句支持
新版本引入了对SQL WITH子句(即公共表表达式CTE)的完整支持。开发者现在可以使用cte()方法直接构建CTE查询节点,并通过materialized属性控制是否显式物化CTE。这项改进使得复杂查询的编写更加灵活和高效。
// 示例:使用CTE构建查询
const query = cte('temp', materialized(true))
.define(select('*').from('data'))
.with(select('*').from('temp'));
2. 几何平均数聚合函数
新增geomean聚合函数,支持对数据进行几何平均计算。该函数还支持预聚合优化,能够显著提升大数据集的计算性能。几何平均数在金融分析、增长率计算等场景中尤为重要。
-- 示例:计算销售数据的几何平均增长率
SELECT geomean(growth_rate) FROM sales_data
交互能力升级
1. 可激活组件接口
引入Activatable接口类型,为可视化组件提供了标准化的选择激活机制。这项改进使得不同组件间的交互行为更加一致,开发者可以更容易地创建复杂的交互式可视化应用。
2. 跨框架支持
新增makeClient效果API,使Mosaic能够无缝集成到其他主流前端框架中,如React、Svelte等。这一改进显著扩展了Mosaic的应用场景,让更多开发者能够受益于其强大的数据可视化能力。
架构优化
1. 模块化改进
项目全面转向纯ESM模块,更新了package.json的导出配置,使模块加载更加高效和符合现代JavaScript标准。
2. 测试体系升级
采用vitest工作区来运行跨所有包的测试用例,提高了测试效率和覆盖率,确保代码质量。
3. 示例项目重组
将所有示例项目集中到专门的examplesmonorepo文件夹中,并按框架类型分类,使开发者能够更轻松地找到相关示例代码。
实际应用价值
这些改进使得Mosaic在以下场景中表现更出色:
- 复杂数据分析:通过CTE支持,可以更优雅地处理多阶段数据分析流程。
- 交互式仪表盘:增强的交互接口让仪表盘开发更加简单直观。
- 跨平台应用:新的框架集成能力让Mosaic可以应用于更广泛的技术栈中。
v0.13.0版本的发布标志着Mosaic在成为全功能数据可视化解决方案的道路上又迈出了坚实的一步。无论是SQL查询能力的增强,还是可视化交互的改进,都为开发者提供了更强大的工具来构建下一代数据分析应用。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00