Style Dictionary中DTCG格式的引用输出问题解析
2025-06-15 11:29:39作者:滕妙奇
在最新发布的Style Dictionary 4.0版本中,开发者发现了一个关于DTCG格式支持的重要问题:当使用DTCG格式定义设计令牌时,输出引用(outputReferences)功能无法正常工作。这个问题会影响那些希望在生成的CSS变量中保留令牌引用关系的开发者。
问题背景
Style Dictionary是一个强大的设计令牌转换工具,它允许开发者将设计系统定义转换为各种平台可用的格式。DTCG(Design Tokens Community Group)格式是该工具支持的一种标准化令牌定义方式。
在DTCG格式中,开发者可以通过__default属性为令牌设置默认值,并引用其他令牌的值。例如:
{
"color": {
"$type": "color",
"base": {
"gray": {
"__default": {"$value": "{color.base.gray.50.$value}"},
"50": { "$value": "#6c7d93" }
}
}
}
}
按照预期,当启用outputReferences选项时,生成的CSS应该保留这种引用关系,而不是直接输出解析后的值。
问题表现
开发者配置了以下构建选项:
{
"options": {
"outputReferences": true
}
}
期望生成的CSS应该类似于:
:root {
--color-base-gray-default: var(--color-base-gray-50);
--color-base-gray-50: #6c7d93;
}
但实际上,生成的CSS直接输出了解析后的值:
:root {
--color-base-gray-default: #6c7d93;
--color-base-gray-50: #6c7d93;
}
问题原因
这个问题是由于Style Dictionary在实现DTCG格式支持时,没有完全测试引用输出功能导致的。在内部处理过程中,引用关系在转换阶段被过早地解析为具体值,导致最终的输出丢失了原始的引用结构。
解决方案
该问题已在Style Dictionary的预发布版本prerelease.19中得到修复。开发者可以通过以下方式解决:
- 升级到最新预发布版本:
npm install style-dictionary@prerelease.19
- 确保在平台配置中正确设置了
outputReferences选项
最佳实践
对于使用DTCG格式的开发者,建议:
- 明确区分令牌定义和引用关系
- 在复杂引用场景中,先进行小规模测试
- 保持工具版本更新,以获取最新的功能修复
这个修复确保了Style Dictionary能够完整支持DTCG格式的所有特性,包括令牌引用,使得设计系统的维护更加灵活和可扩展。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0117
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java04
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook09
项目优选
收起
暂无描述
Dockerfile
764
4.97 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
857
1.92 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
680
1.33 K
Ascend Extension for PyTorch
Python
719
875
deepin linux kernel
C
32
16
openEuler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。
C
456
438
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++
1.08 K
1.1 K
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
150
252
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
303
117
昇腾LLM分布式训练框架
Python
178
220