Bubble Card v3.0.0-beta.8:全局模块支持与多项功能增强
Bubble Card是Home Assistant平台上一款高度可定制的卡片组件,它通过模块化设计理念让用户能够轻松创建个性化的UI界面。最新发布的v3.0.0-beta.8版本带来了多项重要更新,特别是革命性的全局模块支持功能,标志着该项目的模块化架构达到了新的高度。
全局模块支持:一次配置,处处生效
本次更新的核心亮点是引入了全局模块支持机制。在之前的版本中,用户虽然可以通过Default模块实现全局样式,但对于其他自定义模块,仍需在每个卡片中单独启用和配置。v3.0.0-beta.8彻底改变了这一局面:
-
可视化编辑器集成:现在用户可以直接在编辑界面通过"All cards"按钮一键将模块应用到所有卡片,极大提升了配置效率。
-
YAML配置支持:对于偏好代码配置的用户,只需在bubble-modules.yaml文件中为模块添加
is_global: true属性即可实现全局生效。 -
灵活的例外管理:即使启用了全局模块,用户仍可通过禁用"此卡片"按钮或在YAML中使用"!module-id"语法,在特定卡片上排除该模块。
这项改进特别适合主题类模块,如"Home Assistant默认样式"等,让整体UI风格统一变得更加简单高效。
日历卡片功能增强
v3.0.0-beta.8为日历卡片带来了多项实用改进:
-
交互增强:新增了对日期和事件的点击动作支持,用户现在可以为日历中的不同元素定义自定义交互行为。
-
事件位置显示:通过
show_place配置项,事件地点信息可以直接显示在日历卡片中,提升了信息密度。 -
国际化支持:新增了中文语言支持,使日历卡片能更好地服务于中文用户。
稳定性与体验优化
本次更新修复了大量影响用户体验的问题:
-
日历日期显示:修复了日历卡片偶尔显示错误日期的问题,确保时间信息准确可靠。
-
跨平台兼容性:解决了iOS设备和老旧浏览器上点击动作失效的问题,提升了跨平台一致性。
-
滚动行为:修复了弹出窗口自动滚动到顶部的问题,以及large-2-row布局中不必要的滚动条问题。
-
状态同步:选择卡片现在能正确反映实体状态变化,解决了选项与状态不同步的问题。
-
样式隔离:修复了弹出窗口中CSS全局选择器影响外部元素的问题,确保了样式作用域的准确性。
开发者与高级用户改进
针对模块开发者和高级用户,本次更新也包含多项优化:
-
模块导出流程:改进了模块导出到GitHub的提示信息,现在更清楚地说明了如何从模块商店下载。
-
错误处理:增强了JS模板错误的显示方式,使调试更加直观。
-
样式定制:现在可以通过自定义样式单独修改弹出窗口的背景效果,提供了更精细的UI控制能力。
技术实现亮点
从架构角度看,v3.0.0-beta.8的全局模块支持实现体现了优秀的设计思想:
-
配置继承机制:全局模块的优先级处理确保了本地配置可以覆盖全局设置,保持了灵活性。
-
轻量级实现:全局标志的引入没有增加运行时开销,模块的加载和执行机制保持不变。
-
前后端一致性:无论是通过UI还是YAML配置,最终产生的效果保持一致,减少了认知负担。
升级建议与展望
作为v3.0.0系列的最后一个beta版本,v3.0.0-beta.8已经具备了稳定发布的成熟度。对于现有用户,升级后将获得更流畅的配置体验和更稳定的运行表现。特别是对于使用多个相似风格卡片的用户,全局模块支持将大幅减少重复配置工作。
展望未来,Bubble Card的模块化架构展现出了强大的扩展性,我们可以期待更多创新功能基于这一基础实现。项目维护者表示,在稳定版发布后将继续解决特定场景下的边缘问题,进一步打磨用户体验。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00