React Native Windows 0.76.9版本发布:增强无障碍支持与UI稳定性
React Native Windows是微软开源的React Native扩展项目,它允许开发者使用React Native框架构建原生Windows应用程序。该项目为Windows平台提供了完整的React Native支持,使开发者能够利用熟悉的React开发范式来创建跨平台的Windows应用。
核心改进
无障碍功能增强
本次0.76.9版本在无障碍功能方面做出了多项重要改进:
-
角色属性支持:新增了对Role属性的支持,使开发者能够更精确地定义组件的无障碍角色,帮助屏幕阅读器等辅助技术更好地理解应用界面结构。
-
选择功能提供者实现:实现了ISelectionProvider和ISelectionItemProvider接口,为列表、网格等可选择组件提供了标准化的无障碍支持。
-
文本范围值支持:通过IRangeValueProvider接口的实现,滑动条等范围型组件现在能够提供更精确的无障碍信息。
-
文本内容访问:ITextProvider接口的实现使得屏幕阅读器能够正确读取文本组件的内容。
视觉与交互优化
-
高DPI支持改进:修复了高DPI环境下工具提示显示不正确的问题,确保UI元素在不同显示缩放比例下都能正确渲染。
-
悬停状态保持:解决了当指针在离开窗口前离开组件时,组件会错误丢失悬停状态的问题,使交互更加连贯。
-
焦点视觉效果:默认情况下现在使用圆角焦点视觉效果,并修复了焦点框在某些情况下的渲染问题。
-
平台颜色处理:修复了平台颜色切换时属性更新失效的问题,确保颜色变化能够正确反映在UI上。
模态窗口重构
-
新实现方式:重新设计了模态窗口的实现,使用PopupWindowSiteBridge作为基础,提供了更稳定的模态窗口体验。
-
高度问题修复:解决了模态窗口在某些情况下的高度计算问题。
-
公共API使用:重构后的实现更多地依赖公共API,提高了代码的稳定性和兼容性。
技术架构改进
-
XAML Island实验支持:在启用UseExperimentalWinUI3标志时,RNTester现在可以在Playground应用中运行基本的XAML Island功能。
-
门户组件增强:门户组件现在支持自主的布局约束和缩放因子,为复杂UI布局提供了更大的灵活性。
-
UIA树整合:改进了ContentIslandComponentView子元素的UIA树整合,提升了无障碍功能的完整性。
-
WebSocket工厂模式:在PkgInspectorConnection中使用WebSocket工厂模式,提高了网络连接的可靠性。
稳定性修复
-
焦点处理:修复了当最后一个可聚焦组件被移除时,焦点框可能残留的问题。
-
加载时布局:解决了RN Island在加载过程中调用arrange可能导致的问题。
-
服务器兼容性:修复了在Windows Server 2016上运行时可能发生的崩溃问题。
-
React DevTools:解决了React开发者工具在启动时可能触发的断言错误。
构建系统改进
-
代码生成优化:使用clang构建组件代码生成时的问题得到修复。
-
Fabric构建清理:从Fabric构建中移除了仅适用于Paper的代码,减少了不必要的代码体积。
-
OfficeReact.Win32构建:现在仅在启用UseFabric时构建OfficeReact.Win32,优化了构建流程。
React Native Windows 0.76.9版本虽然是一个补丁更新,但带来了多项重要的改进和修复,特别是在无障碍支持、UI稳定性和架构优化方面。这些改进使得开发者能够构建更加可靠、易用的Windows应用程序,同时也为未来的功能扩展打下了坚实的基础。
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
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
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
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!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00