Khan Academy Perseus 核心库7.1.0版本发布:用户输入类型安全与组件增强
Perseus是Khan Academy开发的一个开源数学题目渲染和交互引擎,它为在线教育平台提供了强大的题目展示和交互能力。作为Khan Academy技术栈的重要组成部分,Perseus能够处理各种复杂的数学表达式、图形交互和题目类型。
最新发布的7.1.0版本为Perseus核心库带来了两项重要改进:类型安全的用户输入解析器和Categorizer组件的无答案渲染支持。这些改进不仅增强了代码的健壮性,也为开发者提供了更好的开发体验。
类型安全的用户输入解析
在7.1.0版本中,开发团队为多个核心组件引入了类型安全的用户输入解析器。这些组件包括:
- 下拉选择框(Dropdown)
- 交互式图表(Interactive Graph)
- 数字输入框(Numeric Input)
- 表达式输入(Expression)
- 单选按钮(Radio)
这一改进使得开发者能够更安全地处理用户输入数据,减少运行时错误的可能性。特别值得注意的是,原先定义在@khanacademy/perseus-score中的Perseus<Widget>UserInput类型现在已经被迁移到了@khanacademy/perseus-core模块中。这意味着开发者需要更新他们的导入语句,从新的位置获取这些类型定义。
对于Radio组件,开发团队还特别修复了选项解析器的一个问题。现在解析器能够正确处理PerseusRadioChoice.widgets字段的null值,并将其转换为undefined,这提高了数据处理的灵活性。
Categorizer组件增强
Categorizer是一个允许用户将项目分类的交互组件。在7.1.0版本中,这个组件获得了无答案数据渲染的能力。这意味着:
- 组件现在可以在不提供预设答案的情况下正常渲染和工作
- 增加了相关的测试用例,确保功能的稳定性
- 补充了Storybook示例,方便开发者理解和使用这一特性
这项改进使得Categorizer组件更加灵活,能够适应更多样化的教学场景,比如当教师希望学生自由分类而不受预设答案限制时。
升级建议
对于正在使用Perseus库的开发者,建议尽快升级到7.1.0版本以利用这些改进。特别是:
- 检查项目中所有从
@khanacademy/perseus-score导入的用户输入类型,将它们更新为从@khanacademy/perseus-core导入 - 如果使用Categorizer组件,可以考虑重构代码以利用新的无答案渲染功能
- 对于Radio组件,现在可以更安全地处理widgets字段的null值
这些改进不仅提升了开发体验,也为最终用户带来了更稳定可靠的教育应用体验。Perseus团队持续关注教育技术的实际需求,通过这样的迭代更新,不断强化这个开源项目的价值。
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