Plate核心库重大更新:渲染组件API重构与编辑器初始化优化
Plate是一个基于Slate的富文本编辑器框架,提供了高度可定制化的组件和插件系统。本次发布的@udecode/plate-core@48.0.0版本带来了两项重要变更:渲染组件API的重大重构和编辑器初始化流程的优化。
渲染组件API重构
本次更新对PlateElement、PlateLeaf和PlateText等核心渲染组件进行了彻底的重构,主要变化包括:
属性传递方式变更
HTML属性现在统一通过attributes属性传递,而不是直接作为组件的顶级属性。这种变更使得属性传递更加规范化,与Slate的渲染模式保持一致。
迁移示例:
// 旧版写法
<PlateElement {...props} ref={ref} contentEditable={false}>
{children}
</PlateElement>
// 新版写法
<PlateElement
{...props}
ref={ref}
attributes={{
...props.attributes,
contentEditable: false,
}}
>
{children}
</PlateElement>
简化属性配置
移除了nodeProps属性,将其功能合并到attributes中。同时,插件中的node.props配置现在直接返回属性对象,不再需要嵌套在nodeProps对象中。
// 旧版配置
node: {
props: ({ element }) => ({
nodeProps: {
colSpan: element?.attributes?.colspan,
rowSpan: element?.attributes?.rowspan,
},
});
}
// 新版配置
node: {
props: ({ element }) => ({
colSpan: element?.attributes?.colspan,
rowSpan: element?.attributes?.rowspan,
});
}
组件简化
移除了asChild属性,统一使用as属性来指定渲染组件。同时移除了elementToAttributes、leafToAttributes、textToAttributes等属性,简化了组件API。
类型定义优化
移除了PlateRenderElementProps、PlateRenderLeafProps、PlateRenderTextProps等类型,统一使用PlateElementProps、PlateLeafProps、PlateTextProps作为标准类型。
编辑器初始化流程优化
本次更新还改进了编辑器的初始化流程,增加了更多控制选项:
新增组件覆盖选项
createPlateEditor和usePlateEditor现在支持通过components选项直接覆盖编辑器组件,这是对原有override.components的简化别名。
延迟初始化支持
新增skipInitialization选项,允许开发者跳过编辑器的初始设置流程(包括设置初始children、selection以及规范化初始值)。这在需要手动控制初始化时机的高级场景中非常有用。
新增API方法
新增了editor.api.shouldNormalizeNode方法,用于控制何时应该执行规范化操作。这在编辑器尚未准备好时特别有用,可以避免不必要的规范化操作。
新增初始化转换
新增了editor.tf.init转换方法,专门用于执行编辑器的初始化工作。当使用skipInitialization选项时,开发者可以手动调用此方法来触发初始化流程。
升级建议
对于现有项目,升级到48.0.0版本需要进行以下调整:
- 检查所有使用PlateElement、PlateLeaf和PlateText的地方,按照新的属性传递方式进行修改
- 更新插件配置中的node.props定义,移除nodeProps包装
- 如果使用了延迟初始化功能,确保在适当的时候调用editor.tf.init
- 更新类型引用,使用新的标准类型名称
这些变更虽然需要一定的迁移工作,但将带来更一致、更灵活的API设计,为未来的功能扩展打下更好的基础。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00