Lichess移动端游戏界面招式列表隐藏功能的设计与实现
2025-07-10 14:37:03作者:咎岭娴Homer
在Lichess移动端应用开发过程中,开发者针对游戏界面的用户体验进行了优化,其中一项重要改进是增加了隐藏招式列表的设置选项。这项功能允许玩家根据个人偏好自定义游戏界面的显示元素,从而提升对弈时的专注度和操作体验。
功能背景与设计考量
国际象棋对弈过程中,屏幕空间是非常宝贵的资源。对于移动设备而言,有限的屏幕尺寸需要更加合理地分配各个UI元素的显示区域。传统的游戏界面会在棋盘下方或侧边显示当前棋局的招式列表(Move List),虽然这为玩家提供了历史走法的参考,但对于某些高级玩家或特定场景下,这个列表可能并非必需。
经过用户调研和反馈收集,开发团队发现:
- 部分高级玩家已经能够通过棋盘状态直接判断局势,不需要频繁查看走法历史
- 在快速对局或限时比赛中,隐藏招式列表可以释放更多屏幕空间用于棋盘操作
- 不同玩家对界面布局有着个性化的需求
基于这些发现,团队决定实现一个可选的招式列表隐藏功能。
技术实现方案
该功能的实现遵循了几个关键原则:
-
本地化存储:设置选项仅保存在设备本地,不随用户账户同步。这样设计是因为界面布局偏好通常与具体设备特性(如屏幕尺寸)相关,而非用户个人偏好。
-
轻量级实现:通过简单的布尔标志控制招式列表的显示状态,避免复杂的配置选项。
-
即时响应:设置变更后立即生效,无需重启应用或重新加载对局。
在代码层面,主要涉及三个关键提交:
- 添加了持久化存储逻辑,使用设备本地存储机制保存用户的显示偏好
- 实现了游戏界面组件的动态渲染逻辑,根据设置决定是否渲染招式列表区域
- 在设置界面添加了对应的开关控件,提供直观的用户操作入口
用户体验优化
为了确保功能的易用性,开发团队特别注意了以下几点:
- 默认状态下保持招式列表可见,符合大多数用户的使用习惯
- 在设置界面提供清晰的标签说明,避免用户困惑
- 确保隐藏招式列表后,其他界面元素能够自动调整布局,充分利用释放的屏幕空间
- 保持动画过渡效果,使界面变化更加自然流畅
后续改进方向
虽然基础功能已经实现,但团队仍在考虑以下可能的增强:
- 添加手势操作支持,允许用户通过滑动手势临时显示/隐藏招式列表
- 针对不同设备尺寸提供智能默认值,例如在小屏设备上默认隐藏列表
- 增加快捷键支持,方便玩家在对局中快速切换显示状态
这项改进体现了Lichess移动端对用户体验细节的关注,通过给予玩家更多界面自定义选项,让不同水平和偏好的用户都能获得最佳的对弈体验。
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
最新内容推荐
电脑PC网易云音乐免安装皮肤插件使用指南:个性化音乐播放体验 开源电子设计自动化利器:KiCad EDA全方位使用指南 Jetson TX2开发板官方资源完全指南:从入门到精通 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 Python案例资源下载 - 从入门到精通的完整项目代码合集 2022美赛A题优秀论文深度解析:自行车功率分配建模的成功方法 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
222
238
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
暂无简介
Dart
671
156
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++
661
312
React Native鸿蒙化仓库
JavaScript
261
322
🔥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
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
859
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
217