Semi Design 2.74.0-beta.0版本发布:Chat组件支持Markdown渲染定制
Semi Design是由字节跳动前端团队开发的一套企业级UI设计系统,提供了丰富的React组件库和设计规范。该系统以"半"为核心理念,既提供开箱即用的组件,又保留足够的定制空间,帮助开发者快速构建美观且一致的用户界面。
在最新的2.74.0-beta.0版本中,Semi Design团队对Chat组件进行了重要增强,同时修复了JsonViewer组件的一个输入处理问题。这些改进进一步提升了开发者在构建聊天类应用和JSON数据展示时的体验。
Chat组件支持Markdown渲染定制
Chat组件是Semi Design中用于构建聊天界面的重要组件,它可以方便地展示对话消息、用户头像和时间戳等信息。在2.74.0-beta.0版本中,Chat组件新增了markdownRenderProps API,为开发者提供了更灵活的Markdown内容渲染控制能力。
Markdown作为一种轻量级标记语言,在聊天消息展示中非常实用,可以支持富文本格式的消息内容。通过markdownRenderProps API,开发者现在可以:
- 自定义Markdown渲染组件,覆盖默认的渲染行为
- 针对不同类型的Markdown元素(如标题、列表、代码块等)设置特定的渲染样式
- 实现更复杂的Markdown扩展语法支持
这一特性特别适合需要高度定制化聊天界面的场景,比如:
- 企业级IM系统中需要符合公司设计规范的聊天界面
- 教育类应用中需要特殊数学公式或图表支持的对话系统
- 客服系统中需要突出显示特定消息类型的场景
JsonViewer输入处理优化
JsonViewer是Semi Design中用于可视化展示JSON数据的组件。在本次更新中,修复了一个关于输入处理的问题:之前版本中,当用户输入小写字母"z"时,组件无法正确响应。
虽然这个问题看似简单,但对于需要频繁编辑JSON数据的开发者来说却可能影响工作效率。修复后,JsonViewer组件现在能够正确处理所有大小写字母的输入,包括小写"z",确保了编辑体验的完整性和一致性。
总结
Semi Design 2.74.0-beta.0版本虽然是一个预发布版本,但带来的改进非常有价值。Chat组件的Markdown渲染定制能力为构建复杂的聊天界面提供了更多可能性,而JsonViewer的输入处理修复则提升了基础功能的可靠性。
对于正在使用或考虑采用Semi Design的开发者来说,这个版本值得关注,特别是那些需要构建定制化聊天界面的项目团队。通过利用新的markdownRenderProps API,开发者可以更轻松地实现符合特定设计需求的聊天体验。
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
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
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-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
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