Evidence项目中的Dropdown组件默认值问题解析
2025-06-09 13:24:05作者:段琳惟
在Evidence项目v37.0.0版本中,用户报告了一个关于Dropdown组件默认值设置的异常现象。该问题表现为当页面中存在多个Dropdown组件时,只有第一个组件的defaultValue属性能够正常生效,后续组件的默认值设置失效。
问题现象
用户在SQL查询中定义了两个数据集:
- 日期范围数据集(date_range),包含week_of字段
- 诊所数据集(clinics),包含clinic字段
随后在页面中创建了两个Dropdown组件:
- 第一个Dropdown绑定date_range数据,设置defaultValue为date_range[0]['week_of']
- 第二个Dropdown绑定clinics数据,设置defaultValue为clinics[0]['clinic']
实际运行时发现只有第一个Dropdown正确显示了默认值,第二个Dropdown的默认值未能生效。
技术分析
经过Evidence开发团队调查,这个问题与Dropdown组件的状态管理机制有关。在早期版本中,当多个Dropdown组件同时存在于页面时,组件间的状态更新可能存在冲突,导致后续组件的默认值无法正确初始化。
解决方案
该问题已在后续版本中得到修复。开发团队优化了Dropdown组件的内部实现,确保:
- 每个Dropdown组件都能独立管理自己的状态
- defaultValue属性在所有Dropdown组件中都能正确应用
- 组件间的状态更新不会相互干扰
验证结果
修复后,开发团队使用测试用例验证了修复效果:
- 创建三个测试数据集:categories、items和dates
- 在页面中添加多个Dropdown组件,每个都设置不同的defaultValue
- 确认所有Dropdown都能正确显示各自的默认值
最佳实践
为避免类似问题,建议开发者:
- 保持Evidence组件库为最新版本
- 为每个Dropdown组件提供明确的name属性
- 确保defaultValue与数据源中的值类型匹配
- 在复杂场景下,可以先单独测试每个Dropdown的功能
这个问题展示了前端组件状态管理的重要性,特别是在处理多个相似组件时的隔离机制。Evidence团队通过这次修复进一步提升了组件的稳定性和可靠性。
登录后查看全文
热门项目推荐
相关项目推荐
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
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
222
238
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
671
156
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
661
312
React Native鸿蒙化仓库
JavaScript
261
322
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
859
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
217