Project Graph v1.4.37版本发布:节点编辑体验全面升级
Project Graph是一款专注于知识管理和思维可视化的工具软件,它通过图形化的方式帮助用户组织和连接各种想法与信息。在最新发布的v1.4.37版本中,开发团队重点优化了节点编辑状态下的用户体验,使整个编辑流程更加流畅自然。
编辑状态交互优化
本次更新对文本节点的编辑体验进行了多项改进。当用户双击节点进入编辑状态时,输入框的尺寸会智能调整:初始状态下输入框面积略大于节点碰撞箱区域,但随着用户输入内容的增加,输入框宽度会自动调整至与文本节点碰撞箱宽度保持一致。这一改进显著减少了用户在点击空白区域退出编辑状态时误触输入框的情况。
开发团队还为编辑状态下的输入区域添加了视觉提示——在深色主题下呈现淡绿色边框,帮助用户更清晰地识别当前处于编辑状态的节点。另一个值得注意的改进是,当用户在文本节点或Section文字内容中进行选择操作时,现在可以在节点外部释放鼠标而不会意外退出编辑状态,这一改变使得文本选择和编辑操作更加灵活。
窗口透明度快捷调整
v1.4.37版本引入了一个实用的新功能:通过快捷键快速调整窗口透明度。用户可以使用以下组合键:
- Ctrl + Alt + Shift + "+":增加20%不透明度
- Ctrl + Alt + Shift + "-":减小20%不透明度
当透明度达到极限值(0%或100%)时,窗口边框会闪烁提示用户已达到调整极限。这一功能特别适合需要同时查看多个窗口内容的工作场景,用户可以根据需要快速调整软件窗口的透明度,实现更高效的多任务处理。
用户体验细节打磨
本次更新还包含多项用户体验的细节优化:
- 通过文本生成节点面板中的"缩进数量"设置现在会被记忆,下次启动软件时无需重新填写
- 修复了Section名称过长时重命名输入框的显示问题,现在输入框宽度会随内容自动调整
- 为实体上色后不再自动取消选中状态,方便用户连续调整颜色直到满意为止
这些看似微小的改进实际上反映了开发团队对用户日常使用习惯的深入观察和思考,每一项优化都直击实际使用中的痛点,使软件的整体体验更加流畅自然。
文档完善与术语统一
除了功能上的改进,v1.4.37版本还对官方文档进行了完善和规范:
- 统一了界面描述术语,将"画布"替换为更准确的"舞台"/"视野"等词汇
- 补充了导入Markdown格式文档的详细说明,帮助用户更好地利用这一功能
这些文档更新虽然不涉及功能变化,但对于新用户快速上手和老用户深入理解软件特性都具有重要意义。
总的来说,Project Graph v1.4.37版本通过一系列精心设计的改进,进一步提升了软件的易用性和用户体验,特别是在节点编辑和窗口管理方面。这些优化体现了开发团队对细节的关注和对用户反馈的重视,使得这款知识管理工具在日常使用中更加得心应手。
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