TDesign Mobile React 0.14.0版本发布:新增级联选择与下拉菜单组件
TDesign Mobile React是腾讯开源的一套面向移动端的React组件库,基于TDesign设计体系,为开发者提供高质量、易用的UI组件解决方案。最新发布的0.14.0版本带来了两个重要的新组件和多项功能优化,进一步丰富了移动端开发的能力。
新增组件亮点
1. Cascader级联选择组件
Cascader级联选择器是本次版本新增的重要组件,它特别适合处理多层级的数据选择场景。在移动端应用中,我们经常需要处理省市区选择、商品分类等多级联动数据,Cascader组件为此类场景提供了优雅的解决方案。
该组件支持以下核心特性:
- 多级联动数据展示
- 自定义选项渲染
- 异步加载子节点
- 灵活的选中策略配置
开发者可以通过简单的配置实现复杂的级联选择交互,大大提升了开发效率。
2. DropdownMenu下拉菜单组件
DropdownMenu是另一个新增的核心组件,它为移动端提供了标准的筛选菜单交互模式。在电商类应用中,我们经常看到价格筛选、分类筛选等功能,DropdownMenu正是为此类场景量身打造。
该组件的主要特点包括:
- 支持单选和多选模式
- 可自定义菜单项内容
- 灵活的展开/收起控制
- 与移动端手势完美融合的交互体验
功能增强与优化
Overlay遮罩组件增强
Overlay组件新增了动画生命周期回调函数,包括onOpen、onOpened、onClose和onClosed四个事件。这些回调让开发者能够更精确地控制遮罩的显示和隐藏过程,实现更复杂的交互逻辑。
例如,可以在onOpened回调中执行一些需要在遮罩完全展开后才能进行的操作,或者在onClose回调中做一些清理工作,这些都为开发者提供了更大的灵活性。
PullDownRefresh下拉刷新优化
新增的disabled属性允许开发者动态控制下拉刷新功能的可用状态。这在某些特定场景下非常有用,比如当页面内容已经是最新时,可以禁用下拉刷新以避免不必要的操作。
问题修复
本次版本还修复了一些已知问题:
-
Button组件修复了点击态样式缺失的问题,现在按钮在点击时会显示正确的视觉反馈,提升了用户体验。
-
Steps步骤条组件修复了内置图标无效的问题,确保了步骤指示器的正确显示。
总结
TDesign Mobile React 0.14.0版本的发布,通过新增Cascader和DropdownMenu两个实用组件,进一步丰富了移动端开发的工具箱。同时,对现有组件的功能增强和问题修复,也提升了整体使用体验。这些改进使得开发者能够更高效地构建高质量的移动应用界面,同时保证了良好的用户体验。
对于正在使用或考虑使用TDesign Mobile React的开发者来说,这个版本值得关注和升级。特别是那些需要处理复杂数据选择或筛选场景的项目,新增的两个组件将大大简化开发工作。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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