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。
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。C030
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