TDesign React 1.12.3版本发布:表单必填项优化与多项Bug修复
TDesign React是腾讯开源的企业级React UI组件库,提供了丰富的组件和优雅的设计语言,帮助开发者快速构建高质量的Web应用。本次发布的1.12.3版本主要针对表单组件进行了功能增强,并修复了多个组件存在的关键问题。
表单必填项位置自定义功能
在本次更新中,Form组件新增了一个重要特性——requiredMarkPositionAPI。这个API允许开发者自定义必填符号(通常为红色星号*)的位置,可以设置为"left"(标签左侧)或"right"(标签右侧)。这一改进使得表单布局更加灵活,能够适应不同的设计需求。
同时,为了保持全局一致性,GlobalConfig配置中也新增了requiredMaskPosition选项,开发者可以通过全局配置统一设置所有表单的必填符号位置,而不需要逐个表单进行设置。这种设计既保证了灵活性,又提供了便捷的全局控制方式。
组件Bug修复与优化
Drawer组件
修复了cancelBtn和confirmBtn属性类型声明中缺少null类型的问题。这意味着现在开发者可以更明确地通过设置null来隐藏这些按钮,增强了API的灵活性和类型安全性。
ImageViewer组件
解决了在小窗口模式下查看错误图片时尺寸异常的问题。现在无论窗口大小如何变化,图片查看器都能保持正确的显示比例,提供更好的用户体验。
Menu组件
修复了两个关键问题:
popupProps中的delay属性在SubMenu中无法生效的问题,现在开发者可以更精确地控制子菜单的弹出延迟时间。- 当开启
expandMutex(互斥展开)功能时,如果存在二级SubMenu,菜单无法正常展开的问题。这一修复使得多级菜单的交互更加流畅可靠。
Select组件
修复了当checkAll设为disabled后仍然会触发全选功能的问题。现在禁用状态下的全选功能将完全失效,符合开发者的预期行为。
Table组件
优化了列配置弹窗的关闭行为,修复了选择列数据与展示列数据不一致的问题。这一改进使得表格的列配置功能更加稳定可靠。
Tabs组件
解决了两个关键问题:
TabPanel通过style设置display属性无效的问题,现在开发者可以更自由地控制标签页的显示方式。- 开启懒加载后始终会先渲染第一个
TabPanel的问题,优化了性能表现,确保懒加载功能按预期工作。
TreeSelect组件
修复了labelAPI无法正常使用的问题,现在开发者可以更灵活地自定义树形选择器中节点的显示文本。
总结
TDesign React 1.12.3版本虽然是一个小版本更新,但带来了表单组件的重要功能增强和多个组件的稳定性提升。这些改进不仅增强了开发者的使用体验,也进一步提升了组件的可靠性和灵活性。对于正在使用或考虑使用TDesign React的开发者来说,升级到这个版本将获得更好的开发体验和更稳定的运行时表现。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00