Primer React 37.9.0版本发布:组件优化与CSS模块化进展
项目简介
Primer React是GitHub设计系统Primer的React实现版本,为开发者提供了一套符合GitHub设计语言的React组件库。该项目包含了按钮、导航、布局等常见UI组件,帮助开发者快速构建与GitHub风格一致的Web应用。
版本亮点
组件样式优化
本次37.9.0版本对多个组件的样式进行了优化调整:
-
按钮组件改进:修复了仅包含图标和计数器标签(无文本标签)的按钮水平内边距问题,使这类特殊按钮的显示更加规范。
-
页面布局响应式修复:解决了PageLayout组件在响应式设计中的宽度问题,确保在不同屏幕尺寸下都能正确显示。
-
ActionBar溢出菜单优化:改进了ActionBar组件中溢出菜单的行为逻辑,现在菜单会在不需要时自动消失,并在初始渲染时就能正确判断是否需要显示溢出菜单。
CSS模块化进展
Primer React正在逐步将组件从传统CSS迁移到CSS模块,这一版本取得了显著进展:
-
ActionList与NavList转换完成:包括ActionList及其子组件和NavList都已转换为CSS模块,这是大型组件集合迁移的重要里程碑。
-
Autocomplete组件转换:自动完成组件也开始支持CSS模块,目前作为特性标志选项提供。
-
多个组件CSS模块特性标志升级:包括Skeleton、Select、Stack、Breadcrumbs和Header等组件的CSS模块支持已从试验阶段升级为正式功能。
类型系统调整
-
SxProp类型弃用:正式弃用了SxProp类型定义,这是逐步减少对sx属性使用的一部分工作。开发者应开始考虑迁移到替代方案。
-
BaseStyles修复:修正了当CSS模块特性标志启用时BaseStyles组件的Typography和Common属性问题。
依赖更新
更新了@primer/octicons-react到19.13.0版本,带来了最新的图标资源。
技术影响分析
这次更新体现了Primer React项目的几个重要技术方向:
-
样式系统现代化:通过CSS模块的逐步采用,项目正在向更模块化、更可维护的样式系统演进。CSS模块提供了更好的样式隔离和更明确的依赖关系。
-
类型安全强化:弃用SxProp类型是类型系统清理的一部分,有助于提高代码的类型安全性并减少潜在的类型冲突。
-
细节打磨:对按钮、布局等组件的细微调整显示了项目对设计细节和用户体验的持续关注。
升级建议
对于使用Primer React的项目,建议:
- 检查项目中是否使用了将被弃用的SxProp类型,并计划迁移。
- 评估启用CSS模块特性标志的可行性,特别是对新转换的组件如Autocomplete进行测试。
- 验证按钮和布局相关的改动是否影响现有UI,特别是那些使用特殊按钮组合或复杂布局的页面。
这次更新虽然包含了一些破坏性变更(如类型弃用),但主要带来了质量改进和新功能,值得考虑升级。
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