Elastic UI (EUI) v103.0.0 版本更新解析
Elastic UI(简称EUI)是Elastic公司开发的一套开源UI组件库,专为构建复杂的企业级Web应用而设计。它提供了丰富的React组件和设计系统,帮助开发者快速构建符合Elastic设计语言的用户界面。本次v103.0.0版本带来了一系列视觉优化、新功能增强和重要变更。
核心视觉优化
本次更新对多个组件的视觉表现进行了精细调整,体现了设计系统的一致性原则:
-
文本样式统一化:移除了EuiText中h6标题的大写样式,使其与EuiTitle保持一致。同时对EuiListGroupItem的小尺寸(xs和s)字体粗细进行了调整,确保视觉层级的一致性。
-
按钮组件优化:EuiFilterButton和EuiButtonGroupButton的默认字体粗细调整为450,这一细微变化提升了按钮的可读性和视觉平衡。
-
导航组件改进:修复了EuiCollabsibleNavItem选中状态不可见的问题,增强了导航的可用性。同时优化了EuiHeaderSectionItemButton中通知的视觉定位。
图标系统更新
图标系统迎来了两项重要变更:
-
原有的"questionInCircle"图标被简化为"question",新版本推荐使用更简洁的命名方式。虽然旧名称仍可向后兼容,但建议开发者逐步迁移到新命名。
-
新增了"info"图标,为开发者提供了更多选择。同时"iInCircle"图标被重命名为更直观的"icon"。
色彩系统增强
本次更新显著扩展了EUI的色彩能力:
-
新增调色板函数:引入了三组新的调色板函数及其对应的React Hook:
- 天蓝色调色板(euiPaletteSkyBlue/useEuiPaletteSkyBlue)
- 黄色调色板(euiPaletteYellow/useEuiPaletteYellow)
- 橙色调色板(euiPaletteOrange/useEuiPaletteOrange)
-
新增可视化颜色token:增加了多个新的可视化颜色token,包括:
- 中性色(euiColorVisNeutral0/1)
- 警告色(euiColorVisWarning1)
- 风险色(euiColorVisRisk0/1)
-
重要token变更:需要注意两个token的重命名:
- euiColorVisNeutral0 → euiColorVisBase0
- euiColorVisWarning0 → euiColorVisWarning1
开发者需要特别注意这些token变更,虽然旧token仍然可用,但其颜色值已经改变。如果不更新到新token,界面可能会出现意料之外的颜色表现。
功能增强与修复
-
EuiFilterButton改进:numActiveFilters属性现在支持百分比值,为数据展示提供了更多灵活性。
-
EuiResizableCollapseButton优化:改用空按钮实现,提升了组件的可访问性和一致性。
-
EuiMarkdownFormat修复:解决了未注册代码块语言的处理问题,增强了Markdown解析的健壮性。
升级建议
对于正在使用EUI的开发团队,建议重点关注以下升级事项:
-
检查项目中是否使用了被重命名的颜色token,及时更新为新名称以保证视觉效果一致。
-
逐步将图标引用从旧命名迁移到新命名,为未来的完全移除做准备。
-
利用新增的调色板函数丰富数据可视化表现。
-
测试导航组件和按钮组件的视觉变化是否影响现有界面布局。
本次更新虽然包含了一些破坏性变更,但整体上保持了良好的向后兼容性。通过合理的规划和测试,开发者可以平滑地过渡到新版本,同时享受更完善的UI组件体验。
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