DivKit 31.4.0版本发布:跨平台动态UI框架的全面升级
DivKit是一个由Yandex开源的跨平台动态UI框架,它允许开发者通过JSON格式的声明式语法来构建复杂的用户界面。DivKit支持Android、iOS和Web三大平台,能够实现UI的动态更新和灵活配置,特别适合需要频繁更新界面内容的应用程序。
Android客户端更新亮点
可见性追踪控制优化
本次更新中,Div2View.discardVisibilityTracking()方法被设为公开,开发者现在可以更灵活地控制元素的可见性追踪。这个功能在需要手动管理视图可见性状态的场景下非常有用,比如当视图被临时移除但需要保留其状态时。
视觉效果增强
框架现在支持了虚线描边样式和线性渐变中的位置点设置。这些新增的样式选项让开发者能够创建更加丰富的视觉效果:
- 虚线描边可以通过
div-border中的dashed参数配置 - 线性渐变现在支持精确控制每个颜色节点的位置,实现更精细的渐变效果
稳定性提升
团队修复了多个关键问题:
- 修复了瞬态层次结构中元素的圆角裁剪问题
- 改进了复杂重绑定场景的处理逻辑
- 使用CME安全的集合解决了补丁应用时可能出现的并发修改异常
iOS客户端功能增强
iOS平台在此次更新中获得了与Android对等的视觉能力支持:
- 线性渐变新增
color_map参数,支持更灵活的渐变配置 div-border现在同样支持dashed虚线描边样式- 工具提示事件(
TooltipEvent)结构体更新,包含了div-tooltip的所有相关属性
Web客户端重要改进
Web版本的DivKit迎来了几个关键更新:
动态更新能力
新增的applyPatchAPI允许开发者对现有的DivKit实例应用增量更新,这大大提升了动态内容更新的效率。
表达式系统增强
- 修复了函数继承的问题
- 新增
derviedExpressionAPI,允许扩展订阅任意表达式的变化(注意需要手动取消订阅) - 改进了空文本高度的测量准确性
媒体处理优化
- Lottie动画扩展现在支持
is_playing参数,提供更好的动画控制 - 下载回调机制更加健壮,能够更好地处理各种错误情况
技术深度解析
本次更新中几个值得关注的技术点:
-
跨平台一致性:Android和iOS平台在视觉效果上逐渐对齐,如虚线描边和渐变控制的统一,这减少了跨平台开发的适配成本。
-
性能优化:Android端使用CME安全的集合解决并发问题,Web端改进空文本测量,都体现了框架在性能细节上的持续打磨。
-
动态能力增强:Web端的
applyPatch和表达式订阅机制,为复杂交互场景提供了更强大的支持。 -
错误处理完善:各平台都加强了对边界条件的处理,如Web端在状态转换时的错误抛出,有助于开发者更快定位问题。
升级建议
对于正在使用DivKit的开发者,建议关注以下升级点:
- 如果有自定义可见性追踪需求,可以利用Android端新公开的方法
- 检查项目中是否使用了边框或渐变效果,考虑使用新支持的样式参数
- Web开发者可以评估新的
applyPatchAPI是否能优化现有更新逻辑
DivKit 31.4.0版本通过多项功能增强和问题修复,进一步提升了框架的稳定性、表现力和跨平台一致性,为构建动态、高性能的跨平台UI提供了更强大的工具集。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0171
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook093
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
BitCPM-CANN-8BBitCPM-CANN 是首个基于华为昇腾 NPU 原生构建的端到端 1.58 位(三值化)大语言模型训练系统。该系统将量化感知训练(QAT)集成到 Megatron-LM 框架中,并结合 MindSpeed 加速,覆盖了从自定义三值算子到基于昇腾 910B 的分布式并行训练的完整训练栈。Python00
MiniCPM5-1BMiniCPM5-1B,这是 MiniCPM5 系列的首款模型。它是一个专为端侧、本地部署和资源受限场景打造的 10 亿参数密集型 Transformer 模型,达到了 10 亿参数级开源模型的 SOTA 水平Jinja00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0239