DivKit 31.11.0版本发布:跨平台UI框架的全面升级
DivKit是一个由Yandex开源的跨平台UI框架,它允许开发者使用声明式的JSON格式来构建动态用户界面。该框架支持Android、iOS和Web三大平台,通过统一的JSON描述文件,开发者可以快速构建出高性能、动态更新的用户界面。本次发布的31.11.0版本为三大平台带来了多项功能增强和问题修复,进一步提升了框架的稳定性和功能性。
Android客户端更新亮点
本次Android客户端的更新主要集中在交互体验和性能优化两个方面。
在交互体验方面,新增了对capture_focus_on_action属性的支持。这个属性允许开发者在执行特定动作时自动捕获焦点,为用户提供更加流畅的交互体验。例如,在表单提交后自动将焦点返回到表单顶部,或者在页面切换后自动聚焦到主要内容区域。
在性能优化方面,开发团队修复了表达式解析器生成导致的内存泄漏和栈溢出问题。通过限制表达式解析器仅在RuntimeStore内部生成,显著提高了应用的稳定性和内存使用效率。这一改进对于包含大量动态表达式的复杂界面尤为重要。
此外,新版本还增强了对Lottie动画的支持,现在可以在Lottie扩展参数中使用表达式了。这意味着开发者可以创建更加动态和响应式的动画效果,根据应用状态实时调整动画参数。
iOS客户端的重要改进
iOS平台的更新主要集中在视觉效果和动画处理的优化上。
在视觉效果方面,新增了对div-radial-gradient中color_map属性的支持。这一增强使得开发者可以创建更加丰富的径向渐变效果,为界面设计提供了更大的灵活性。
动画处理方面有两个重要修复:首先是修正了transition_change动画的执行问题,确保了状态切换时的动画流畅性;其次是修复了在切换回默认状态时transition_out动画的异常行为,使界面过渡更加自然。
针对文本渲染性能,团队解决了带有色调滤镜的图片在文本中导致的性能下降问题。这一优化显著提升了包含复杂样式文本的界面渲染速度。
对于分页指示器组件,新版本增加了智能搜索功能。当未指定pager_id时,div-indicator会自动寻找最近的分页器进行关联,简化了开发者的配置工作。
Web客户端的无障碍与交互增强
Web平台的更新着重于提升无障碍访问能力和交互控制。
在无障碍支持方面,新增了对accessibility模式中exclude选项的支持。当设置为exclude时,组件内的所有交互元素将被禁用,这为需要限制用户交互的场景提供了解决方案。
与Android平台类似,Web端也新增了capture_focus_on_action属性的支持,使得Web应用能够提供与原生应用一致的用户体验。
在交互控制方面,新版本加强了对嵌套交互组件的限制。现在,input、select和switch等交互组件被禁止放置在带有动作的组件内部,这一改变有助于避免潜在的交互冲突和不可预期的行为。
技术价值与升级建议
DivKit 31.11.0版本的发布体现了框架在跨平台一致性、性能优化和开发者体验方面的持续投入。三大平台的同步更新确保了业务逻辑和UI表现的一致性,而各项性能优化则进一步提升了框架在复杂场景下的表现。
对于现有项目,建议开发者重点关注以下升级点:
- Android开发者应检查表达式使用情况,确保没有因解析器生成方式改变而受影响的功能;
- iOS开发者可以利用新的径向渐变特性和优化后的动画效果提升界面表现力;
- Web开发者需要审查交互组件的嵌套关系,确保符合新的限制规范。
总体而言,31.11.0版本为DivKit生态带来了更加稳定和强大的功能基础,为构建高质量的跨平台用户界面提供了有力支持。开发团队对细节的关注和持续优化,使得DivKit在声明式UI框架领域保持着竞争力。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0171
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook093
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
BitCPM-CANN-8BBitCPM-CANN 是首个基于华为昇腾 NPU 原生构建的端到端 1.58 位(三值化)大语言模型训练系统。该系统将量化感知训练(QAT)集成到 Megatron-LM 框架中,并结合 MindSpeed 加速,覆盖了从自定义三值算子到基于昇腾 910B 的分布式并行训练的完整训练栈。Python00
MiniCPM5-1BMiniCPM5-1B,这是 MiniCPM5 系列的首款模型。它是一个专为端侧、本地部署和资源受限场景打造的 10 亿参数密集型 Transformer 模型,达到了 10 亿参数级开源模型的 SOTA 水平Jinja00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0239