Shelf.nu项目资产页面前端优化实践
2025-07-05 18:58:41作者:牧宁李
项目背景
Shelf.nu作为一个资产管理平台,其资产详情页面的用户体验至关重要。近期开发团队针对该页面的前端展示效果进行了一系列优化工作,主要涉及字段展示、二维码区域、地图组件等多个功能模块的界面改进。
主要优化内容
表格字段展示优化
原始实现中,默认字段和自定义字段表格存在不必要的底部边框问题,这是由于底部行的边框样式导致的视觉干扰。优化方案包括:
- 移除了表格底部多余的边框线
- 将字段值从徽章(Badge)样式改为普通文本展示
- 优化了值单元格的内边距设置
- 针对移动端做了响应式调整:
- 表格元素宽度调整为屏幕全宽
- 字段标签和值改为垂直堆叠布局
- 字段标签字体大小调整为12px
二维码区域重构
原二维码区域布局较为松散,视觉层次不清晰。改进措施包括:
- 将二维码和操作按钮整合到同一容器内
- 为父容器设置白色背景色
- 优化了元素间距和对齐方式
地图组件视觉升级
地图组件在未扫描和已扫描状态下都进行了视觉优化:
-
未扫描状态:
- 替换了原有的Google Maps图标
- 采用了更符合项目设计语言的自定义图标
- 优化了提示文本的排版和样式
-
已扫描状态:
- 改进了地图容器的边框和阴影效果
- 调整了位置信息的展示样式
- 优化了操作按钮的视觉反馈
技术实现细节
统一间距系统
项目采用了16px左右边距和12px上下边距的间距系统,这一规范被应用到所有UI元素和容器中,包括:
- 地图组件的信息容器
- 操作按钮组
- 字段展示区域
字体系统优化
针对不同场景应用了规范的字体样式:
- 地图UI元素中的文本使用特定颜色值(#101828和#475467)
- 移动端字段标签使用12px字号
- 重要信息使用中等字重(500)
边框一致性处理
修复了保管(Custody)UI元素缺失边框的问题,确保所有信息卡片的视觉一致性:
- 添加了1px的边框
- 采用与系统一致的边框颜色
- 保持与其他组件相同的圆角半径
总结
通过对Shelf.nu资产页面的前端优化,团队实现了以下目标:
- 提升了页面的视觉一致性
- 优化了移动端浏览体验
- 增强了组件的可用性和美观度
- 建立了更规范的UI实现标准
这些改进不仅提升了用户体验,也为后续的前端开发工作建立了更好的实践基础。项目团队将继续关注用户反馈,不断优化平台的各项功能。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
246
暂无简介
Dart
672
157
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
663
313
React Native鸿蒙化仓库
JavaScript
262
324
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.2 K
655
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
330
137