Super Splat项目中的撤销/重做操作导致意外旋转问题分析
在3D场景编辑工具Super Splat的开发过程中,我们遇到了一个关于撤销(Undo)和重做(Redo)功能的有趣问题。这个问题表现为在进行特定操作序列后,场景中的选择区域会出现意外的旋转变化。
问题现象描述
当用户按照以下步骤操作时会出现问题:
- 打开一个3D场景
- 通过输入数值来旋转场景
- 进行矩形区域选择
- 使用Delete键删除选定区域
- 使用Ctrl+Z撤销删除操作
- 再次按Ctrl+Z(此时无效果)
- 点击界面上的撤销按钮(选择区域会短暂旋转然后恢复)
- 点击重做按钮(选择区域变为旋转状态)
技术原因分析
经过深入分析,我们发现问题的根源在于键盘焦点管理和撤销系统的交互机制上。具体来说:
-
焦点冲突:当用户在旋转输入框中输入数值后,键盘焦点仍然停留在该输入框上。此时系统会优先处理输入框自身的撤销逻辑,而不是场景编辑的撤销系统。
-
撤销堆栈不一致:由于焦点问题导致的操作没有被正确记录到场景的撤销历史中,造成了撤销/重做操作时的状态不一致。
-
旋转状态同步:在焦点切换过程中,旋转状态的同步出现了延迟或错误,导致了视觉上的短暂旋转现象。
解决方案
针对这个问题,我们采取了以下改进措施:
-
焦点管理优化:在添加操作到撤销历史堆栈时,强制移除输入框的焦点,确保后续的撤销操作由场景编辑系统处理而非输入控件自身。
-
事件拦截机制:添加了对默认文本撤销操作的拦截处理,防止系统级别的撤销操作干扰场景编辑的撤销流程。
-
状态同步增强:改进了旋转状态的同步机制,确保在各种操作序列下都能保持状态的一致性。
技术实现细节
在具体实现上,我们需要注意以下几点:
-
焦点转移时机:需要在操作被记录到撤销堆栈之前就完成焦点转移,而不是之后。
-
撤销命令封装:将旋转操作与其他编辑操作统一封装,确保它们作为一个整体被撤销系统管理。
-
状态快照:在关键操作点创建完整的状态快照,而不是依赖增量式的状态记录。
经验总结
这个案例给我们带来了几个重要的经验教训:
-
在开发复杂编辑工具时,需要特别注意UI控件与核心功能之间的交互边界。
-
撤销/重做系统的设计必须考虑所有可能的用户操作路径,特别是那些涉及焦点转移的操作序列。
-
状态管理应该采用统一的方式,避免不同组件各自维护状态导致的不一致。
通过解决这个问题,Super Splat的场景编辑功能变得更加稳定可靠,为用户提供了更流畅的3D场景编辑体验。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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