Py-Shiny v1.3.0发布:增强聊天组件与UI交互体验
项目简介
Py-Shiny是一个基于Python的Web应用框架,它允许开发者使用纯Python代码构建交互式Web应用,无需掌握前端技术栈。该框架特别适合数据科学家和Python开发者快速创建数据可视化仪表盘和交互式应用。最新发布的v1.3.0版本带来了多项重要更新,特别是在聊天组件和用户交互方面有显著增强。
核心更新内容
1. Markdown流式渲染组件
新引入的ui.MarkdownStream()组件为处理流式Markdown/HTML内容提供了高效解决方案。这一特性特别适合生成式AI应用场景,能够实现文本内容的渐进式渲染,提升用户体验。
技术实现上,该组件采用异步处理机制,可以分块接收和处理文本数据,避免了传统一次性渲染大段文本可能导致的界面卡顿问题。
2. 聊天组件功能增强
ui.Chat()组件在本版本中获得了多项重要改进:
输入建议功能:
- 开发者现在可以通过两种方式为用户提供输入建议:
- 使用
.suggestionCSS类标记建议元素 - 使用
data-suggestion属性指定建议内容
- 使用
- 支持自动提交功能,可通过
.submit类或data-suggestion-submit属性实现 - 提供快捷键支持:Cmd/Ctrl+点击自动提交,Alt/Opt+点击仅填充不提交
其他改进:
- 新增
.on_user_submit()装饰器方法,简化用户输入获取 - 支持自定义助手图标,可通过
ui.chat_ui()全局配置或单个消息单独设置 - 新增
latest_message_stream属性,便于跟踪流式消息状态 .append_message_stream()方法现在返回reactive.extended_task实例.update_user_input()方法新增submit和focus选项
3. 客户端数据访问
新增的session.clientdata接口允许服务器端Python代码访问客户端数据,如URL信息、输出尺寸等。这一特性极大增强了前后端交互能力,例如可以通过session.clientdata.url_search()响应式读取URL搜索参数。
4. 输入控件更新策略
文本类输入控件(ui.input_text()、ui.input_text_area()等)新增update_on选项:
"change"(默认):值变化时立即更新"blur":仅在失去焦点或按Enter时更新
这一改进减少了不必要的服务器通信,特别适合处理敏感或计算密集型的输入场景。
技术细节与最佳实践
聊天组件模板优化
新版本提供了改进的ui.Chat()模板选项,这些模板深度集成了chatlas包,为LLM交互提供了开箱即用的解决方案。开发者可以基于这些模板快速构建AI聊天应用,同时保持高度可定制性。
Sass层文件支持
ui.Theme新增的.add_sass_layer_file()方法支持读取带有层边界注释的Sass文件,这一特性与Quarto的Sass处理方式兼容,使得主题定制更加灵活和模块化。
测试工具增强
shiny.pytest.create_app_fixture()现在支持多应用文件路径参数化测试,简化了多场景测试的编写过程。
向后兼容性说明
- 导航栏相关样式选项已整合到
ui.navbar_options()辅助函数中,旧参数仍可使用但会显示弃用警告 ui.navset_bar()现在默认启用underline=True以保持与页面变体的一致性shiny.ui.Chat()不再包含.ui()方法(Express版本仍保留)
升级建议
对于现有项目,建议重点关注以下升级点:
- 检查并更新导航栏相关代码以使用新的
ui.navbar_options() - 评估聊天组件的新功能是否适用于现有应用
- 考虑在文本输入控件中使用
update_on="blur"优化性能 - 利用
session.clientdata简化客户端数据访问逻辑
v1.3.0版本的这些改进使Py-Shiny在构建现代交互式Web应用,特别是AI聊天类应用方面变得更加强大和易用。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00