Giu v0.13.0 发布:更灵活的UI组件与样式管理
Giu 是一个基于 Go 语言的即时模式 GUI 库,它封装了 Dear ImGui 的功能,为 Go 开发者提供了简单易用的图形界面开发工具。即时模式 GUI 的特点是界面元素的状态由开发者直接管理,而不是通过回调函数或事件驱动的方式。这种模式特别适合需要快速迭代和频繁更新界面的应用场景。
主要更新内容
1. DragInt 和 DragFloat 组件重构
本次版本对 DragInt 组件进行了重大重构,采用了更现代的构建器模式(Builder Pattern)。新的 API 设计更加灵活和直观:
// 旧版 API
DragInt("ID", &value, min, max)
// 新版 API
DragInt(&value).ID("ID").MinValue(min).MaxValue(max)
同时新增了 DragFloatWidget,为浮点数拖动操作提供了原生支持。这种重构不仅提高了代码的可读性,还使得参数设置更加灵活,开发者可以按需选择设置哪些参数。
2. 样式管理增强
样式管理是 GUI 开发中的重要环节,v0.13.0 在这方面做了多项改进:
- 样式合并:现在可以通过
Add()方法合并两个 StyleSetter,简化了样式组合的操作 - 主题设置:MasterWindow 新增了
SetTheme方法,可以直接设置窗口主题 - 默认主题:提供了
DefaultTheme方法获取默认主题,开发者可以在此基础上进行修改
这些改进使得界面样式的管理和定制更加方便,特别是在需要实现主题切换功能时。
3. 新增 LinkWidget
新增的 LinkWidget 为应用添加了超链接功能,可以用于:
- 打开外部网页
- 执行应用内导航
- 触发特定操作
这个组件丰富了 Giu 的交互元素,使界面设计更加多样化。
4. 表格排序功能
TableWidget 现在支持排序功能,只需设置 TableFlagsSortable 标志即可启用。这个功能对于数据展示类应用特别有用,用户可以点击表头对数据进行排序。
5. 绘图组件增强
Plot 组件的坐标轴现在支持多种缩放模式:
- 线性缩放
- 对数缩放
- 对称对数缩放
- 时间缩放
这个增强使得 Plot 组件能够更好地适应不同类型的数据可视化需求。
其他改进
- 更新了 cimgui-go 到 v1.3.1 版本,修复了
go mod tidy的问题 - TabItemWidget 现在支持附加 EventHandler,与 TreeNodeWidget 的行为保持一致
- 多项代码质量和构建系统的改进
升级建议
由于 DragInt 组件的 API 发生了破坏性变更,建议开发者使用以下正则表达式进行批量替换:
s/DragInt(\(.*\),\(.*\),\(.*\),\(.*\))/DragInt(\2)\.Label(\1)\.MinValue(\3).MaxValue(\4)/g
对于新项目,建议直接使用新版 API,以获得更好的开发体验。
Giu v0.13.0 的这些改进使得这个 GUI 库更加成熟和易用,特别是在样式管理和交互组件方面有了显著提升。对于需要快速开发跨平台 GUI 应用的 Go 开发者来说,这是一个值得关注的更新。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C0100
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python059
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00