Oruga UI 0.10.3版本发布:模态框与表格功能优化
Oruga UI是一个轻量级的Vue.js组件库,以其简洁的设计和灵活的定制能力受到开发者欢迎。最新发布的0.10.3版本主要针对模态框(Modal)和表格(Table)组件进行了功能优化和问题修复,同时引入了几个实用的新特性。
模态框组件改进
本次更新解决了模态框组件中tapFocus功能失效的问题。tapFocus是一个重要的无障碍功能,它确保当模态框打开时,焦点会被正确地捕获在模态框内部,防止键盘用户在模态框外部进行操作。这个修复对于提升Web应用的可访问性至关重要。
此外,新版本还为侧边栏(Sidebar)组件增加了trapFocus功能。这项改进使得侧边栏在打开时也能正确捕获焦点,进一步增强了组件的可访问性。开发者现在可以更轻松地创建符合WCAG标准的用户界面。
表格组件排序优化
表格组件的排序功能得到了重要改进。在之前的版本中,当表格数据分页显示时,排序操作有时会出现不符合预期的行为。0.10.3版本修复了这个问题,现在表格在分页状态下能够正确维护排序顺序,无论是升序还是降序排列都能保持一致的行为。
新增功能特性
-
自动完成组件后端过滤:新增了
backend-filtering属性,允许开发者禁用组件内部的选项过滤功能。这个特性特别适合需要从后端API获取过滤结果的场景,开发者可以完全控制过滤逻辑,实现更复杂的业务需求。 -
全局Teleport目标配置:新增了
teleportTarget根配置选项。Teleport是Vue 3的一个重要特性,允许将组件渲染到DOM中的其他位置。通过这个全局配置,开发者可以统一管理所有需要Teleport的组件(如模态框、通知等)的目标容器,简化了项目配置。
技术实现细节
在模态框的焦点捕获实现上,Oruga团队采用了更健壮的事件处理机制,确保在各种交互场景下都能正确工作。表格排序的修复则涉及到了分页状态下的数据切片和排序逻辑的重新设计,保证了数据一致性和用户体验。
自动完成组件的后端过滤支持反映了现代Web应用对灵活数据处理的普遍需求,这种设计模式遵循了"智能组件"与"展示组件"分离的原则,使得组件更容易与各种后端架构集成。
升级建议
对于正在使用Oruga UI的项目,特别是那些依赖模态框和表格功能的项目,建议尽快升级到0.10.3版本。新版本不仅修复了关键问题,还提供了更多控制选项,能够满足更复杂的业务场景需求。
升级过程通常只需更新package.json中的版本号并重新安装依赖即可。如果项目中自定义了模态框或表格的行为,可能需要检查这些自定义实现是否与新版本的内部逻辑兼容。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00