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。
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
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00