Univer v0.5.4 版本发布:表格协作编辑引擎的重大更新
Univer 是一款开源的文档、表格和演示文稿协作编辑引擎,它提供了强大的功能和灵活的 API,使开发者能够轻松构建在线协作办公应用。最新发布的 v0.5.4 版本带来了多项重要改进和新特性,特别是在表格编辑功能方面有了显著增强。
核心功能升级
1. 增强的颜色选择器
新版本引入了支持自定义颜色的高级颜色选择器组件。这个改进不仅提供了更丰富的颜色选择体验,还允许用户输入十六进制颜色代码或使用取色器精确选择颜色。对于需要精确色彩管理的企业应用场景,这一功能尤为重要。
2. 智能粘贴功能
v0.5.4 版本新增了选择性粘贴上下文菜单,当用户执行粘贴操作时,系统会自动弹出菜单让用户选择粘贴选项。这一设计显著提升了数据处理的灵活性,用户可以选择仅粘贴值、格式或公式等特定内容,避免了不必要的格式冲突。
API 体系增强
1. 事件监听机制
新版本扩展了事件系统,为工作簿和工作表添加了多种事件监听能力:
// 监听单元格点击事件
univerAPI.getActiveWorkbook().addEvent('CellClicked', (params) => {
console.log('单元格被点击:', params);
});
// 监听单元格悬停事件
univerAPI.getActiveWorkbook().addEvent('CellHover', (params) => {
console.log('鼠标悬停在单元格上:', params);
});
这些事件为开发者提供了更细粒度的交互控制能力,使得构建响应式应用变得更加容易。
2. 公式系统改进
公式注册现在支持 lambda 函数,这为动态公式创建提供了更大的灵活性:
// 使用lambda函数注册自定义公式
formulaEngine.registerFunction('CUSTOM_SUM', (args) => {
return args.reduce((a, b) => a + b, 0);
});
3. 文本搜索API
新增的文本搜索API使得在文档中查找特定内容变得非常简单:
// 创建文本查找器
const textFinder = await univerAPI.createTextFinderAsync('搜索内容');
// 查找所有匹配项
const ranges = textFinder.findAll();
ranges.forEach((range) => {
console.log('找到匹配项位置:', range.getA1Notation());
});
架构优化与兼容性
1. 异步API升级
为了提高性能和响应能力,图像操作相关的API已升级为异步版本:
// 异步设置图像位置
await image.setPositionAsync(row, column);
// 异步调整图像大小
await image.setSizeAsync(width, height);
2. UI扩展机制
新增的registerUIPartAPI允许开发者自定义UI组件:
// 注册自定义头部组件
univerAPI.registerUIPart(BuiltInUIPart.CUSTOM_HEADER,
() => React.createElement('h1', null, '我的自定义标题'));
问题修复与性能优化
- 改进了工具提示的显示逻辑,使其在不同分辨率下都能正确显示
- 修复了包含引号的工作表名称处理问题
- 优化了字体拦截器,提高了文本渲染性能
- 改进了边框粘贴逻辑,确保新边框能正确覆盖原有边框
未来展望
v0.5.4版本为即将到来的0.6.0版本奠定了基础。开发团队正在积极工作,计划在下一个主要版本中引入对React 19的支持,这将带来更好的性能和开发体验。同时,团队也在持续优化核心架构,为开发者提供更稳定、更强大的API体系。
对于正在使用Univer构建应用的开发者,建议开始逐步迁移到新的API命名规范,如将createUniverSheet替换为createWorkbook,以确保未来版本的兼容性。
Univer作为一个快速发展的开源项目,其社区也在不断壮大。开发者可以通过GitHub讨论区分享使用经验、提出建议或报告问题,共同推动这个强大的协作编辑引擎向前发展。
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-7BSpark-Prover-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
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-7BSpark-Formalizer-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00