Khan Academy Perseus 61.1.0版本技术解析
Perseus是Khan Academy开发的一个开源数学题目渲染和交互引擎,主要用于在线教育平台中的数学题目展示和解答。该引擎支持多种数学题型,包括选择题、填空题、绘图题等,并提供丰富的交互功能。最新发布的61.1.0版本带来了一系列功能增强和问题修复,下面我们将详细解析这些更新内容。
核心功能增强
Plotter组件支持无答案数据渲染
Plotter组件是Perseus中用于绘制数学图形的工具。在61.1.0版本中,开发团队对其进行了优化,使其能够处理没有预设答案的数据场景。这一改进使得Plotter组件更加灵活,可以用于教学演示等不需要立即验证答案的场景。同时,团队还新增了相关测试用例和故事书示例,确保这一功能的稳定性。
ButtonGroup组件样式定制
ButtonGroup组件新增了选中按钮的样式定制选项。开发者现在可以通过配置参数来控制选中按钮的视觉表现,这为UI设计提供了更大的灵活性。这一改进特别适合需要突出显示用户选择的场景,如多选题或导航菜单。
Orderer组件支持无答案模式
类似于Plotter组件,Orderer组件(用于排序题)现在也能够处理无答案数据的情况。这一改进使得Orderer组件可以用于教学演示或练习模式,而不必局限于严格的答案验证场景。开发团队同样为这一功能添加了全面的测试和故事书示例。
Matrix组件无答案渲染支持
Matrix组件(矩阵题)也获得了无答案数据渲染的能力。这一改进使得矩阵题可以用于更广泛的教学场景,如矩阵运算的教学演示。团队为此新增了测试用例和故事书示例,确保功能的可靠性。
类型系统改进
NumberLine组件类型完善
开发团队对NumberLine组件(数轴题)的类型定义进行了多项改进:
- 明确了correctRel属性的类型为"eq" | "lt" | "gt" | "le" | "ge",更准确地反映了实际数据和使用场景
- 添加了isInequality属性到类型定义中,修复了之前类型定义不完整的问题
这些改进使得NumberLine组件的类型系统更加严谨,有助于开发者在编译时发现潜在问题。
InteractiveGraph组件类型优化
对InteractiveGraph组件的类型定义进行了清理:
- 移除了lockedFigures和labels属性中的undefined类型,要求使用空数组代替
- 移除了非point类型图形中不必要的coord属性
这些变更使得类型定义更加精确,虽然可能需要对现有代码进行少量调整,但有助于提高代码质量。
测试与质量保证
新增测试用例
61.1.0版本中新增了多项测试:
- InputNumber组件测试,验证其在无答案数据下的交互行为
- NumberLine组件测试,确保其正确处理无答案数据
- ServerItemRenderer测试重构,使其更加专注和清晰
这些测试提高了代码的可靠性和可维护性。
不可变数据检查
新增了一个linter规则,用于防止意外修改对象和数组值。这一改进有助于避免因意外数据变更导致的bug,特别是在React的不可变数据模型中。
文档与示例
- 更新了Radio组件的文档,在测试数据中添加了rationales(解释说明)
- 为多个组件添加了故事书示例,包括Plotter、Orderer和Matrix组件
这些文档改进使得组件使用更加透明,便于开发者理解和正确使用各个功能。
依赖管理
修复了项目的依赖关系,确保包声明中包含了所有实际使用的依赖项。这一改进解决了潜在的依赖缺失问题,提高了项目的稳定性。
总结
Perseus 61.1.0版本在功能增强、类型系统完善、测试覆盖和文档改进等方面都有显著提升。特别是多个组件新增的无答案数据支持,大大扩展了Perseus在教学场景中的应用范围。类型系统的改进和不可变数据检查的引入,则从工程角度提高了代码质量和可靠性。这些改进共同使得Perseus作为一个数学题目渲染引擎更加成熟和完善。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C043
MiniMax-M2.1从多语言软件开发自动化到复杂多步骤办公流程执行,MiniMax-M2.1 助力开发者构建下一代自主应用——全程保持完全透明、可控且易于获取。Python00
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C01
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
agent-studioopenJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力TSX0121
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