Primer React 37.16.0版本发布:组件优化与功能增强
项目简介
Primer React是GitHub设计系统Primer的React实现版本,提供了一套完整的UI组件库,帮助开发者快速构建符合GitHub设计规范的Web应用。作为GitHub官方维护的React组件库,它确保了与GitHub产品体验的一致性,同时提供了高度可定制化的组件。
本次版本更新亮点
1. Box组件标记为废弃
开发团队正式将Box组件及其相关属性标记为废弃状态。Box作为Primer React中的基础布局组件,长期以来被广泛用于构建页面结构。这一变更预示着未来版本中可能会移除该组件,建议开发者开始考虑替代方案。
技术背景:在现代化前端开发中,CSS-in-JS和布局组件的使用模式正在发生变化,更倾向于使用更语义化的布局组件或直接使用CSS Grid/Flexbox。
2. 子导航组件样式优化
SubNav组件移除了CSS模块特性标志,这意味着所有用户现在都将使用统一的样式处理方式。这一变更简化了组件的使用方式,减少了配置项,提高了开发体验。
3. 视觉隐藏组件改进
VisuallyHidden组件同样移除了CSS模块特性标志,统一了样式处理方式。该组件常用于为屏幕阅读器提供内容,同时保持视觉上的隐藏状态。
4. 单选按钮无障碍优化
Radio组件移除了不支持的ARIA属性aria-invalid和aria-required。这一变更加符合WAI-ARIA规范,因为radio角色本身不支持这些属性。正确的做法是在包含radio组的父元素上设置这些属性。
5. 锚定浮层响应式增强
AnchoredOverlay组件新增了响应式变体配置功能,允许开发者针对不同屏幕尺寸设置不同的显示方式。例如:
variant={{regular: 'anchored', narrow: 'anchored'}}
这一改进使得浮层组件在不同设备上的表现更加灵活可控。
6. 按钮计数显示增强
Button组件的count属性现在支持数字和字符串两种类型,允许显示格式化后的数值,如"3.2k"。这一改进使得按钮中的计数显示更加人性化,特别是在需要显示大数字时。
其他重要修复
- 骨架动画修复:更新了CSS自定义属性,修复了特性标志下的骨架动画问题。
- 空白状态图标颜色:将Blankslate组件的图标颜色更新为
--fgColor-muted,与Figma设计和Primer ViewComponents保持一致。 - 复选框和单选按钮类型修复:更新了基础组件类型,确保在React 19中正确传递属性。
- 单选按钮渲染顺序:调整了选择器顺序,改善了已选中单选按钮的渲染效果。
- 主题自动模式支持:BaseStyles现在会在ThemeProvider的colorMode设置为auto时,自动设置
data-color-mode="auto"。 - 标签容器元素升级:升级了tab-container-element依赖,带来更好的性能和稳定性。
升级建议
对于正在使用Primer React的项目,建议:
- 检查项目中是否使用了将被废弃的Box组件,开始规划迁移策略。
- 利用新的AnchoredOverlay响应式功能优化移动端体验。
- 更新Radio组件的无障碍属性设置,确保符合最新规范。
- 考虑使用Button组件的新计数显示功能,提升用户体验。
这次更新体现了Primer React团队对组件质量、无障碍访问和开发者体验的持续关注,建议开发者及时升级以获取这些改进。
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