stlite v0.76.0 版本发布:桌面端与浏览器端的重要更新
stlite 是一个基于 Streamlit 的轻量级实现,它允许开发者在不依赖 Python 服务器的情况下运行 Streamlit 应用。这个项目特别适合需要将 Streamlit 应用嵌入到网页或桌面应用中的场景。最新发布的 v0.76.0 版本带来了一系列重要的改进和修复。
核心更新内容
Streamlit 框架升级至 1.41.0
本次更新将底层依赖的 Streamlit 框架从之前的版本升级到了 1.41.0。这个升级带来了 Streamlit 最新的功能和性能优化,包括:
- 更高效的数据处理能力
- 改进的组件渲染性能
- 新增的 API 功能
- 修复了多个已知问题
桌面端重大改进
stlite 的桌面版本在这个版本中获得了显著增强:
-
Electron 框架升级至 33 版本:这带来了更好的跨平台兼容性和性能提升,特别是在 Windows 和 macOS 系统上。
-
IPC 通信机制修复:解决了进程间通信(IPC)的消息命名问题,确保了主进程和渲染进程之间更可靠的数据传输。
-
Worker 线程优化:改进了 CrossOriginWorker 的实现,使其能够更好地支持 type=module 的脚本加载方式。
-
打包优化:移除了打包后的 *.whl 文件中的哈希部分,简化了文件命名和管理。
构建系统与开发工具改进
开发团队对项目的构建系统进行了多项优化:
-
Makefile 修复:解决了嵌套路径下的 sentinel 目标问题,并改进了 find 命令的使用方式,使构建过程更加可靠。
-
依赖项更新:升级了多个关键开发依赖,包括:
- rollup 从 4.21.3 升级到 4.30.1
- react-icons 从 5.0.1 升级到 5.4.0
- react-router-dom 从 6.21.1 升级到 7.1.1
- 以及其他多个工具链更新
-
构建配置优化:移除了不再必要的 eslint-webpack-plugin,并禁用了 @stlite/desktop 的 sourcemap 生成,减少了构建产物体积。
用户体验改进
-
错误提示优化:修复了 ErrorToastContent 的布局问题,使错误信息展示更加清晰美观。
-
共享功能修复:改进了 sharing/public/manifest.json 的配置,提升了应用共享时的兼容性。
-
React Toastify 升级:将 react-toastify 升级到 v11 版本,带来了更现代化的通知提示效果。
技术实现细节
在底层实现上,这个版本有几个值得注意的技术点:
-
模块化加载:通过改进 CrossOriginWorker 对 type=module 的支持,使得现代 JavaScript 模块能够更顺畅地在 Worker 中运行。
-
构建产物优化:通过移除 *.whl 文件中的哈希部分,简化了依赖管理,同时保持了内容的完整性校验。
-
TypeScript 支持增强:更新了 ts-proto 和相关类型定义,提升了类型安全性和开发体验。
开发者建议
对于使用 stlite 的开发者,这个版本建议:
-
如果是桌面应用开发者,建议尽快升级以利用 Electron 33 的新特性和性能改进。
-
对于需要共享应用的场景,新版本修复的 manifest.json 问题将提供更好的兼容性。
-
构建系统的改进使得开发环境更加稳定,建议更新所有开发依赖以获得最佳体验。
stlite v0.76.0 通过这一系列的更新和修复,进一步巩固了其作为轻量级 Streamlit 运行时的地位,为开发者提供了更稳定、更高效的开发体验。无论是嵌入到网页中还是构建桌面应用,这个版本都值得升级。
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