SmartHR UI v65.2.0版本发布:新增StepFormDialog组件及多项优化
SmartHR UI是一个面向企业级应用的React组件库,专注于提供高质量的UI组件和设计系统。该库由日本知名HR科技公司SmartHR开发维护,旨在为开发者提供开箱即用的现代化UI解决方案。
主要新增功能
StepFormDialog分步表单对话框组件
本次版本最引人注目的新特性是新增了StepFormDialog组件。这是一个专门为复杂表单流程设计的对话框组件,具有以下技术特点:
-
分步表单处理:允许开发者将复杂的表单流程拆分为多个步骤,每个步骤可以独立验证和提交,提高了表单的可维护性和用户体验。
-
响应式消息集成:组件内部集成了useResponseMessage钩子,可以方便地处理表单提交后的成功或错误消息反馈。
-
灵活的步骤控制:开发者可以轻松控制步骤间的导航逻辑,包括前进、后退以及步骤间的数据传递。
-
无障碍设计:遵循WAI-ARIA标准,确保所有用户都能无障碍使用。
这个组件特别适合需要多步骤收集信息的场景,如员工入职流程、复杂配置向导等企业级应用场景。
重要问题修复
AppHeader组件改进
-
属性传递优化:修复了elementAs、current和key相关属性的传递问题,消除了控制台警告,提高了组件的稳定性和可预测性。
-
类型安全增强:改进了TypeScript类型定义,使组件在使用时能提供更好的类型提示和错误检查。
Textarea组件修复
-
rows属性修复:解决了Textarea组件中rows属性不生效的问题,现在可以正确控制文本域的初始显示行数。
-
高度计算优化:改进了文本域的高度计算逻辑,确保在不同浏览器和环境下都能保持一致的显示效果。
技术实现细节
StepFormDialog组件的实现采用了React的复合组件模式,通过Context API管理步骤状态,同时结合了SmartHR UI现有的对话框和表单组件体系。其内部状态管理采用了受控组件模式,确保外部应用可以完全控制表单流程。
对于Textarea的修复,团队深入研究了浏览器对textarea元素的渲染机制,发现并修复了CSS计算中的边缘情况,确保了rows属性的跨浏览器一致性。
升级建议
对于正在使用SmartHR UI的企业应用,建议尽快升级到v65.2.0版本,特别是那些需要实现复杂表单流程的项目。升级时需要注意:
-
如果项目中自定义了类似的分步表单功能,可以考虑迁移到新的StepFormDialog组件以获得更好的维护性和一致性。
-
对于使用Textarea组件并依赖rows属性的应用,升级后将获得更可靠的行高控制。
-
AppHeader组件的改进属于非破坏性变更,不会影响现有功能,但会消除一些潜在的类型问题。
这个版本的发布进一步丰富了SmartHR UI的企业级表单处理能力,同时也提升了现有组件的稳定性和可靠性,体现了团队对产品质量的持续追求。
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