Style Dictionary中非$value属性的引用输出问题解析
背景介绍
Style Dictionary是一个强大的设计令牌管理工具,它能够将设计系统中的设计令牌转换为各种平台所需的格式。在实际使用中,开发者经常会遇到需要引用其他令牌值的情况,特别是在处理主题切换或暗黑模式时。
问题现象
在使用Style Dictionary时,当配置文件中设置了outputReferences: true,系统会自动将引用关系转换为CSS变量引用。然而,开发者发现一个特殊现象:只有直接定义在value属性下的引用会被正确转换为变量引用,而定义在其他属性(如darkValue)下的引用则会被直接解析为具体值。
技术分析
这种现象实际上是Style Dictionary的预期行为。在当前的实现中,outputReferences功能仅支持对value或$value(如果使用DTCG语法)属性的引用输出。对于其他自定义属性中的引用,系统会直接解析为最终值,而不会保留引用关系。
解决方案
对于需要保留非value属性引用关系的场景,开发者有以下几种选择:
-
直接引用原始值:修改令牌结构,让所有引用都指向原始的
value属性,而不是通过中间属性间接引用。 -
创建自定义格式:通过扩展Style Dictionary的功能,创建一个支持输出所有属性引用的自定义格式。这需要开发者:
- 理解Style Dictionary的格式创建机制
- 重写属性格式化函数
- 实现对非
value属性引用的特殊处理
-
等待DTCG主题规范:未来DTCG将推出官方的主题规范,这可能会提供更优雅的解决方案来处理主题切换场景,而不需要在单个令牌中内嵌多个主题值。
最佳实践建议
对于大多数项目,建议采用第一种方案,即保持简单的引用结构。只有当项目确实需要复杂的主题切换逻辑,且无法等待DTCG新规范时,才考虑实现自定义格式的方案。
在实现自定义格式时,开发者需要特别注意性能影响,因为处理非标准属性的引用可能会增加构建过程的复杂度。同时,自定义解决方案可能会在未来与官方规范产生兼容性问题,需要做好迁移准备。
总结
Style Dictionary的引用输出机制目前主要针对value属性进行了优化,这是出于大多数使用场景和性能考虑的折中方案。开发者在使用非标准属性时需要了解这一限制,并根据项目需求选择合适的解决方案。随着设计令牌规范的不断发展,未来可能会有更完善的解决方案来处理这类复杂的引用场景。
kernelopenEuler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。C037
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
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C00
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
agent-studioopenJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力TSX0115
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