Spectrum CSS UI Icons 2.0.0版本重大变更解析
Spectrum CSS是Adobe开源的一套设计系统CSS框架,它提供了一套完整的UI组件和样式规范,帮助开发者快速构建符合Adobe设计语言的Web应用。其中的UI Icons模块包含了丰富的图标资源,是构建现代Web界面不可或缺的部分。
最新发布的Spectrum CSS UI Icons 2.0.0-next.0版本带来了重大架构调整,主要聚焦于图标资源的简化和优化。这个预发布版本标志着图标系统的一次重要重构,开发者需要特别注意其中的变更点。
图标资源结构的重大变化
在1.x版本中,图标系统提供了两种尺寸规格:medium和large。更特别的是,它采用了一种组合SVG的技术方案,即通过单个SVG文件包含两种尺寸的图标,然后利用CSS类来控制显示哪种尺寸。这种设计虽然节省了文件数量,但在实际使用中带来了不少复杂性。
2.0.0版本对此进行了彻底重构,移除了多尺寸设计,转而采用单一尺寸的图标资源。现在所有SVG资源都统一存放在dist/svg目录下,不再像以前那样可以从工作区根目录直接获取原始SVG文件。这一变化使得图标资源的管理更加清晰,也简化了开发者的使用流程。
废弃图标清单
新版本对图标库进行了精简,淘汰了一些使用率低或功能重复的图标。开发者需要特别注意以下已被废弃的图标:
- 箭头类:Arrow75、Arrow200、Arrow300、Arrow500、Arrow600
- 星号类:Asterisk75
- 勾选类:Checkmark500、Checkmark600
- 下拉箭头类:Chevron500、Chevron600
- 横线类:Dash400、Dash500、Dash600
- 各种抓取手柄:SingleGripper、DoubleGripper、TripleGripper
这些图标在新版本中将不再可用,开发者需要评估现有项目中是否使用了这些图标,并制定相应的迁移计划。
保留的核心图标
尽管进行了精简,但大部分常用图标仍然得到了保留,包括:
- 基础箭头:Arrow100、Arrow400
- 星号标记:Asterisk100、Asterisk200、Asterisk300
- 各种尺寸的勾选标记:从Checkmark50到Checkmark400
- 下拉箭头:从Chevron50到Chevron400
- 基础横线:从Dash50到Dash300
- 各种尺寸的交叉图标:从Cross75到Cross600
这些保留的图标将继续为开发者提供丰富的界面元素选择。
迁移建议
对于正在使用1.x版本的项目,升级到2.0.0版本需要特别注意以下几点:
-
资源路径变更:所有SVG资源现在必须从@spectrum-css/ui-icons/dist/svg/路径加载,不再支持从根目录直接引用。
-
尺寸处理:由于移除了多尺寸设计,开发者需要通过CSS的transform属性或直接调整SVG的width/height属性来实现不同尺寸需求。
-
废弃图标替换:对于项目中使用的已废弃图标,需要寻找功能相近的替代品或考虑自定义解决方案。
-
构建流程调整:如果项目中有自动化处理图标资源的流程,需要相应更新以适应新的资源结构。
这次变更虽然带来了一定的迁移成本,但从长远来看,简化后的图标系统将提高开发效率,减少维护复杂度,为项目未来的发展奠定更坚实的基础。
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。C030
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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