JSON-Joy项目v17.30.0版本发布:富文本编辑功能全面升级
JSON-Joy是一个专注于JSON数据处理和协作编辑的JavaScript库,它提供了一系列强大的工具来处理JSON数据,包括CRDT(无冲突复制数据类型)实现、文本编辑功能等。在最新发布的v17.30.0版本中,项目重点增强了富文本编辑功能,特别是在Peritext(富文本CRDT)扩展和UI组件方面做出了重大改进。
富文本编辑功能增强
本次更新在json-crdt-extensions模块中引入了多项富文本处理能力的改进。开发团队对Fragment和Block类进行了泛型化改造,这使得类型系统能够更好地理解这些数据结构中存储的内容类型。同时,修复了分割标记处理中的一个重要问题,确保文本分割操作的正确性。
在富文本处理方面,新版本特别优化了HTML导入导出功能。现在系统能够更准确地解析HTML内容并转换为Peritext格式,同时改进了HTML标记的处理逻辑,特别是对于空的内联标签会进行智能忽略。这些改进使得JSON-Joy能够更好地与其他富文本编辑器进行数据交换。
剪贴板功能全面实现
v17.30.0版本在json-crdt-peritext-ui模块中实现了完整的剪贴板交互功能。这包括:
-
多种格式支持:现在支持以HTML、Markdown和纯文本等多种格式进行复制粘贴操作。系统会自动处理不同格式间的转换,确保数据在不同应用间迁移时的完整性。
-
事件系统:新增了完整的剪贴板事件接口,包括copy、cut和paste事件的发射器。这使得开发者可以更灵活地响应剪贴板操作,实现自定义的处理逻辑。
-
上下文菜单:改进了右键上下文菜单,新增了"Copy as..."和"Cut as..."等选项,让用户可以选择以特定格式进行复制操作。
-
数据转换:实现了专门的数据传输类(PeritextDataTransfer),负责处理不同格式间的数据转换。这使得粘贴操作能够智能地合并相邻的文本块,保持文档结构的整洁。
用户体验优化
除了核心功能增强外,新版本还包含多项用户体验改进:
- 改进了单词选择逻辑,现在下划线字符(_)会被视为单词的一部分,这在处理代码或特殊标识符时特别有用。
- 浮动工具栏现在会在失去焦点时自动隐藏,避免干扰用户操作。
- 粘贴操作后光标会自动移动到适当位置,使编辑流程更加自然流畅。
- 新增了清理功能区域,帮助用户快速整理文档格式。
技术实现亮点
在底层实现上,开发团队采用了模块化设计思路:
-
数据传输层:独立的数据传输处理模块负责格式转换,与核心编辑逻辑解耦。
-
状态管理:通过props暴露编辑器状态,使组件更容易集成到不同应用中。
-
同步处理:实现了同步的剪贴板写入方法,避免异步操作带来的复杂性。
-
类型安全:通过泛型增强了类型系统,减少了运行时错误的可能性。
这些改进使得JSON-Joy在富文本编辑领域的能力达到了新的高度,为开发者提供了更强大、更灵活的工具来构建协作式编辑应用。无论是处理简单的文本还是复杂的富文本文档,新版本都能提供出色的性能和用户体验。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00