Reatom 项目 primitives 模块 v3.8.0 版本发布:增强集合操作能力
Reatom 是一个现代化的状态管理库,它提供了一套响应式、原子化的状态管理方案。primitives 模块作为 Reatom 的核心基础模块,包含了各种基本数据结构的原子化实现,如数组、Map、Set 等。本次发布的 v3.8.0 版本为这些数据结构带来了多项实用的增强功能。
数组操作方法的扩展
在本次更新中,reatomArray 获得了更多类似原生数组的操作方法,包括:
push:向数组末尾添加元素pop:移除并返回数组的最后一个元素shift:移除并返回数组的第一个元素unshift:向数组开头添加元素slice:返回数组的浅拷贝部分
这些方法的加入使得 reatomArray 的使用体验更加接近原生 JavaScript 数组,同时保持了响应式特性。开发者现在可以更自然地处理数组数据,而不必总是手动更新整个数组状态。
Map 和 Set 集合的大小追踪
v3.8.0 版本为 reatomMap 和 reatomSet 都添加了 sizeAtom 功能:
- 对于 reatomMap,sizeAtom 会实时反映 Map 中键值对的数量变化
- 对于 reatomSet,sizeAtom 会跟踪 Set 中元素数量的变化
这个特性特别适合需要显示集合大小或基于集合大小进行条件渲染的场景。开发者现在可以直接订阅 sizeAtom 来响应集合大小的变化,而不需要手动计算或监听整个集合的变化。
实际应用场景
这些新特性在实际开发中有着广泛的应用场景:
-
动态列表管理:使用 reatomArray 的新方法可以更方便地实现列表的增删改查操作,特别是在需要频繁操作列表首尾元素的场景下。
-
购物车功能:reatomMap 的 sizeAtom 可以用于实时显示购物车中商品种类数量,而 reatomArray 的新方法则便于管理购物车中的商品列表。
-
表单动态字段:当需要动态添加或删除表单字段时,这些集合操作方法提供了更简洁的实现方式。
-
实时数据监控:使用 sizeAtom 可以轻松实现集合大小的监控和报警功能。
升级建议
对于已经在使用 Reatom primitives 模块的开发者,建议尽快升级到 v3.8.0 版本以利用这些新特性。新加入的方法和属性都保持了向后兼容性,不会影响现有代码的运行。
这些增强功能的加入进一步巩固了 Reatom 作为现代化状态管理解决方案的地位,特别是在需要处理复杂集合数据的应用场景中。开发者现在可以用更少的代码实现更丰富的功能,同时保持应用状态的可预测性和响应性。
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-X1-7BSpark-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