DataLens v1.21.0 版本发布:图表与仪表板功能全面升级
项目简介
DataLens 是一个现代化的数据可视化与分析平台,它提供了从数据连接到仪表板设计的完整解决方案。作为一个开源项目,DataLens 致力于为企业用户提供灵活、强大的数据分析工具,帮助用户通过直观的图表和仪表板发现数据中的价值。
核心功能更新
仪表板功能增强
本次版本在仪表板功能方面进行了多项重要改进:
-
图表标题提示功能:现在用户可以为仪表板上的图表组件添加标题提示,当鼠标悬停在标题上时会显示额外信息,这大大提升了仪表板的信息传达能力。
-
控件组标题支持:新增了为控件组添加标题的功能,使得复杂的仪表板布局更加清晰有序,用户可以更好地组织多个筛选器控件。
-
移动端适配优化:特别改进了控件组在移动设备上的显示效果,确保了在手机和平板上的良好用户体验。
-
选择器编辑对话框重构:对选择器编辑界面进行了全面的重新设计和代码重构,提升了界面的美观性和操作效率。
图表功能改进
在图表展示和分析方面,本次更新带来了多项实用功能:
-
空值处理增强:为渐变颜色配置添加了专门的空值处理模式(nullMode),让用户可以更灵活地控制数据缺失情况下的视觉呈现。
-
表格排序优化:
- 修复了标记列排序的问题
- 改进了空值排序逻辑
- 新增了通过Ctrl键进行二级排序的功能
-
可视化细节完善:
- 单值折线图现在会正确显示标记点
- 修复了线性图中空字符串显示为Null的问题
- 解决了切换调色板时颜色列表显示不正确的问题
-
工具提示控制:为某些可视化类型添加了工具提示隐藏设置,让用户可以根据需要控制信息显示。
技术架构升级
-
请求拦截机制:新增了beforeRequest装饰器和拦截器,为UI SDK提供了更强大的请求处理能力,开发者可以在请求发出前进行统一处理。
-
版本发布对话框:新增了版本发布提示对话框,改善了用户的升级体验。
-
权限提示优化:改进了无创建权限时的提示对话框,使其更加友好和清晰。
依赖项更新
项目同步更新了多个核心依赖库:
- @gravity-ui/chartkit升级至5.19.1
- @gravity-ui/dashkit升级至8.23.0
- @gravity-ui/uikit升级至6.39.0
- axios-retry升级至3.9.1
- @diplodoc/transform及相关依赖更新至4.42.3
这些依赖更新带来了性能改进、bug修复和新功能支持,进一步提升了系统的稳定性和功能丰富度。
总结
DataLens v1.21.0版本在用户体验和功能完整性方面都做出了显著提升。从仪表板的组织能力到图表的数据展示细节,再到技术架构的健壮性,这个版本都带来了实质性的改进。特别是对移动设备的更好支持和控件管理的增强,使得DataLens在各种使用场景下都能提供一致的高质量体验。对于数据分析师和业务用户来说,这些改进将直接提升他们的工作效率和数据洞察能力。
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