KittyCAD建模应用v0.58.0版本发布:KCL参数化升级与用户体验优化
KittyCAD是一款开源的3D建模软件,专注于为设计师和工程师提供直观的参数化建模体验。该软件通过创新的KCL(KittyCAD Language)脚本语言,让用户能够以编程方式创建和修改3D模型,同时保持了传统CAD软件的交互式操作界面。
主要变更与功能增强
KCL语言重大改进
本次发布的v0.58.0版本完成了KCL语言向kwargs(关键字参数)的全面迁移,彻底移除了对CallExpression的引用。这一改进使得KCL脚本更加清晰易读,参数传递更加明确,减少了因参数顺序错误导致的bug。
对于开发者而言,这意味着所有函数调用现在都必须使用命名参数的形式。例如,原先可能这样写的代码:
createCube(10, 20, 30)
现在需要改为:
createCube(width=10, height=20, depth=30)
语言服务器协议(LSP)增强
新版本显著改进了KCL语言的签名帮助功能。当用户在编辑器中输入函数时,系统会智能地显示该函数的参数列表和文档说明,大大提升了编码效率和准确性。这一改进特别有利于复杂建模场景下的脚本编写。
3D引擎初始化优化
引擎流现在默认以等轴测视图(isometric view)初始化,为用户提供了一个更加专业和标准化的3D视图起点。这一改变使得新用户能够更快地适应3D空间,同时也符合工业设计领域的常见实践。
新增功能亮点
布尔运算删除功能
v0.58.0版本引入了直接从特征树中删除布尔运算的功能。这一改进解决了用户在复杂模型编辑过程中的一个痛点,使得修改布尔操作(如并集、差集、交集)变得更加直观和高效。
用户现在可以:
- 在特征树中选择布尔运算节点
- 直接删除该操作
- 系统会自动维护模型的拓扑结构完整性
用户体验优化
文件共享限制
考虑到技术实现的复杂性,新版本对使用了导入(import)功能的文件禁用了共享功能。这一决策虽然限制了部分场景下的协作,但确保了模型的完整性和一致性,避免了因导入依赖导致的共享问题。
可选的新手引导
桌面版应用现在将新手引导设为可选功能,用户可以选择跳过。这一改变尊重了有经验用户的偏好,同时仍然为新用户保留了完整的学习路径。
插入点流程简化
移除了插入点(point-and-click)流程中的提醒消息,使操作更加流畅。这一微小的界面优化减少了不必要的干扰,让专注建模的用户能够保持工作流不被中断。
问题修复与稳定性提升
本次发布还包含了一系列重要的错误修复:
- 修正了主页在窄屏幕设备上的布局问题,确保在各种设备上都能获得一致的体验
- 修复了路径缓存问题,提高了包含复杂导入关系的模型的加载可靠性
- 解决了快捷键冲突问题,特别是中心矩形和中心圆工具的热键重叠
- 改进了代码格式化功能,不再添加多余的空格
- 增强了导入场景选择时的错误处理,现在能更准确地引导用户到特征树进行修正
技术实现细节
在底层架构方面,开发团队对缓存机制进行了重要改进,特别是在处理导入依赖时。新的实现确保了在多文件项目中,修改一个文件不会意外影响其他依赖文件的缓存状态。这一改进显著提升了大型项目的编辑响应速度和稳定性。
升级建议
由于移除了对部分旧版用户设置的支持,建议用户在升级前考虑使用设置中的"重置"按钮来避免潜在的兼容性问题。对于重度KCL脚本用户,需要注意全面检查现有脚本,确保所有函数调用都已转换为kwargs形式。
v0.58.0版本标志着KittyCAD在参数化建模方向上又迈出了坚实的一步,通过语言改进和用户体验优化,为专业用户和初学者都提供了更强大、更可靠的工具集。
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