Spectrum CSS SwatchGroup组件5.0.0版本发布解析
项目背景
Spectrum CSS是Adobe开源的一套CSS框架,它为Adobe Spectrum设计系统提供了基础样式实现。这套框架包含了丰富的UI组件,帮助开发者快速构建符合Spectrum设计规范的Web应用界面。SwatchGroup是其中一个用于展示颜色样本集合的组件,常用于颜色选择器等场景。
主要变更内容
5.0.0版本是一个重大更新,引入了Spectrum 2 Foundations架构,这是一个连接Spectrum 1(S1)和Spectrum 2(S2)设计的桥梁系统。这个版本的核心目标是实现组件在不同设计系统(S1、Express和S2)之间的外观切换能力。
设计系统兼容性
新版本通过"系统层"实现了设计令牌的重映射,开发者可以通过加载不同版本的@spectrum-css/tokens来控制组件呈现哪种设计风格:
- 要呈现S2风格,需要使用@spectrum-css/tokens v16或更高版本
- 要呈现S1或Express风格,需要使用@spectrum-css/tokens v14.x或v15.x
值得注意的是,这个版本并不是完整的S2组件迁移,而是提供了基础支持。完整的S2设计实现可以在next标签版本中找到。
文件结构调整
新版本对组件文件结构进行了优化:
- 移除了metadata文件夹及其内容(mods.md和metadata.json),这些信息现在统一放在dist/metadata.json中
- 移除了已废弃的index-vars.css文件,推荐使用index.css或index-base.css替代
文件使用指南
开发者可以根据不同需求选择加载不同的CSS文件:
- 如果只需要S2 Foundations样式,使用index.css
- 如果需要发布S1或Express组件,使用index-base.css加上对应的themes/(spectrum|express).css
- 如果需要实现设计系统切换功能,加载index-base.css和index-theme.css,并通过.spectrum--legacy(S1)或.spectrum--express(Express)类名控制
技术实现细节
这个版本的核心变化在于引入了设计系统切换能力。通过CSS变量和类名控制,同一套组件可以在不同设计系统间无缝切换。这种架构设计使得从旧系统迁移到新系统的过程更加平滑,同时也保持了向后兼容性。
依赖更新
本次发布同步更新了相关依赖:
- @spectrum-css/tokens升级到16.0.0版本
- @spectrum-css/swatch升级到8.0.0版本
这些依赖更新为SwatchGroup组件提供了必要的设计令牌支持和基础样式更新。
总结
Spectrum CSS SwatchGroup 5.0.0版本的发布标志着Spectrum设计系统向更灵活、更现代化的架构演进。通过引入Spectrum 2 Foundations,开发者现在可以更轻松地在不同设计系统间切换,同时为未来的完整迁移做好准备。这个版本既照顾了现有项目的兼容性需求,又为采用新设计系统提供了途径,体现了Adobe对设计系统平滑过渡的深思熟虑。
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。C092
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python058
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
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00