DivKit 30.33.0版本发布:跨平台UI框架的全面升级
前言
DivKit是一个由Yandex开源的跨平台UI框架,它允许开发者通过声明式的JSON模板来构建动态用户界面。该框架支持Android、iOS和Web三大平台,通过统一的模板语法实现多端一致的UI表现。本次发布的30.33.0版本带来了多项功能增强和问题修复,进一步提升了框架的稳定性和表现力。
核心更新内容
动画与交互增强
本次更新在动画和用户交互方面做了显著改进。Android客户端新增了animated参数,支持在滚动操作时添加平滑的动画效果,包括set_current_item、scroll_forward等动作。iOS端则设置了最小动画时间,防止动画过快导致视觉体验不佳。
在交互响应方面,Android平台新增了对press_start_actions、press_end_actions等动作的支持,使开发者能够更精细地控制用户按压和悬停时的交互逻辑。iOS端修复了状态视图子视图的动画问题,提升了动画的连贯性。
视觉表现优化
视觉效果的提升是本次更新的另一重点。Android端新增了ImageTransformer功能,取代了原有的externalImage,为图片加载提供了更强大的转换能力。同时新增的shine扩展为UI元素添加了闪光效果,增强了视觉吸引力。
iOS端则完善了shimmer扩展,新增了对corner_radius参数的支持,使加载占位效果更加自然。Web端修复了过渡动画中不必要的裁剪问题,确保动画效果更加流畅。
数学计算功能扩展
三个平台都增强了数学计算能力。iOS新增了atan、tan、asin、acos等三角函数,Web端也新增了pi、toRadians、sin、cos等数学函数。这些功能使得在模板中进行复杂计算成为可能,大大增强了模板的表达能力。
数据存储增强
iOS端显著增强了数据存储功能,新增了getStoredArrayValue和getStoredDictValue函数,并支持在set_stored_value动作中直接存储数组和字典。这一改进使得应用状态管理更加灵活方便。
组件功能完善
各平台的组件功能都得到了不同程度的增强:
- Android端修复了
pager组件在滚动轴向上的内边距应用问题,并改进了离屏页面的绘制 - iOS端为
div-grid组件添加了对空单元格的支持,并改进了pager的无限滚动逻辑 - Web端为
slider组件添加了is_enabled属性支持,并修复了pager布局问题 - 三个平台都增强了对
tooltip的支持,iOS端特别修复了tooltip的可见性动作问题
性能与稳定性改进
本次更新在性能和稳定性方面做了多项优化:
- Android端修复了SVG图片加载导致的崩溃问题,并防止了DivActionBinder中的订阅泄漏
- iOS端改进了
DefaultTooltipManager中showTooltip方法的异步表现 - Web端修复了
tooltip和menu使用全局上下文而非组件上下文的问题 - 各平台都修复了多项可能导致崩溃或异常行为的边界情况
总结
DivKit 30.33.0版本通过新增功能、增强现有能力和修复问题,进一步提升了框架的成熟度和可用性。从动画交互的精细化控制,到视觉效果的丰富表现,再到数据管理和数学计算的能力扩展,这一版本为开发者提供了更强大的工具来构建高质量、跨平台的动态用户界面。
对于现有用户,建议关注各平台的废弃API(如Android的externalImage和iOS的AnimatableView),及时迁移到新推荐的实现方式。新用户可以借助这些增强功能,更轻松地构建出表现力丰富、交互流畅的跨平台应用界面。
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 StartedRust0191
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 Notebook0117
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
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java04
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook09