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。
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 StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0114
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java04
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook08