Project Graph 1.7.11版本发布:优化布局与跨平台体验
Project Graph是一款专注于思维导图与项目管理的可视化工具,它通过节点和连接线的形式帮助用户清晰地组织和展示复杂信息。最新发布的1.7.11版本带来了一系列优化改进,特别是在布局算法和跨平台兼容性方面有了显著提升。
核心优化:紧密堆积算法改进
1.7.11版本对节点的紧密堆积算法进行了重要调整。在之前的版本中,节点在自动布局时可能会过于紧密地排列在一起,导致视觉上的拥挤感。新版本通过增加节点间的空隙,使得整体布局更加清晰易读。
这一改进特别适合处理包含大量节点的复杂思维导图。当用户使用自动布局功能时,系统现在会智能地在节点之间保持适当的间距,既保证了信息密度,又避免了视觉混乱。这种平衡对于提高思维导图的可读性和美观度至关重要。
窗口状态记忆功能
新版本引入了窗口状态记忆功能,解决了用户长期反馈的一个痛点。现在,当用户关闭并重新打开Project Graph时,应用会自动恢复上次的窗口大小、位置和布局状态。这意味着:
- 用户不再需要每次打开应用时手动调整窗口大小
- 工作区布局得以保留,提高了工作连续性
- 多显示器用户的工作流程更加顺畅
这一功能特别适合需要频繁切换任务的用户,帮助他们保持工作状态,减少重复操作。
跨平台兼容性增强
1.7.11版本针对不同操作系统做了大量优化,特别是改善了macOS平台的使用体验:
macOS专属优化
-
中文输入法兼容性:修复了在中文输入法下输入英文并回车时意外退出编辑状态的问题。现在用户可以在中英文输入间无缝切换,不会中断编辑流程。
-
快捷键支持:解决了macOS下无法在节点编辑状态使用Command+C/V进行复制粘贴的问题。这一改进使得mac用户的编辑效率与Windows平台保持一致。
-
文件下载功能:修复了macOS下无法下载导出的PNG图片的问题。现在所有导出功能都能正常工作,确保用户能够顺利保存和分享他们的思维导图。
多平台支持
Project Graph 1.7.11继续提供全面的跨平台支持,包括:
- Windows 7/10/11(32位和64位)
- macOS(Intel和Apple Silicon)
- Linux(AppImage、DEB和RPM包)
每种平台都经过了专门测试和优化,确保在不同系统上都能提供一致的用户体验。
即将到来的功能预告
开发团队正在积极开发PRG格式导出功能,这将为用户提供另一种灵活的文件交换选项。PRG格式预计将支持更丰富的元数据和自定义属性,方便在不同实例间迁移复杂项目。
技术实现亮点
从技术角度看,1.7.11版本的改进涉及多个层面:
-
布局引擎优化:通过改进力导向算法中的排斥力参数,实现了更合理的节点间距控制。
-
状态持久化:使用本地存储API保存窗口状态,同时确保敏感数据的安全性。
-
输入法兼容层:针对不同平台的输入法框架进行了抽象和适配,解决了跨平台输入体验不一致的问题。
-
文件系统抽象:统一了各平台的文件操作接口,特别是解决了macOS沙箱环境下的文件访问限制。
总结
Project Graph 1.7.11版本通过细致的优化和改进,进一步提升了产品的稳定性和用户体验。无论是核心的布局算法,还是跨平台的兼容性,都体现了开发团队对细节的关注和对用户反馈的重视。对于思维导图爱好者和专业项目管理者来说,这个版本值得升级体验。
随着PRG导出等新功能的开发,Project Graph正在向更专业、更强大的方向演进,未来有望成为可视化思维管理领域的重要工具之一。
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。C038
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
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C00
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
agent-studioopenJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力TSX0118
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