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。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00