Bits-UI 2.1.0 版本发布:Svelte 组件库的重大升级
Bits-UI 是一个基于 Svelte 构建的现代化 UI 组件库,专注于提供高性能、可访问性良好的组件解决方案。最新发布的 2.1.0 版本带来了多项重要更新,包括对 Svelte 5 新特性的支持、新增组件以及现有组件的功能增强。
核心升级:Svelte 5 支持
2.1.0 版本将最低 Svelte 版本要求提升至 5.33.0,以充分利用 Svelte 5 引入的两个重要特性:
- Attachments 特性:这是一种新的组件交互模式,允许组件更灵活地处理子元素和插槽内容。
- $props.id():Svelte 5 提供的这个新方法简化了组件 ID 管理,特别是在处理可访问性属性时特别有用。
这些升级意味着开发者现在可以构建更复杂、更灵活的 UI 交互,同时保持代码的简洁性。
新增日期时间组件
本次更新引入了两个重要的日期时间相关组件:
-
TimeField 组件:这是一个时间输入控件,采用分段式设计,每个时间部分(小时、分钟等)都有独立的控制,并提供了完整的键盘支持。这种设计比传统的文本输入框更适合时间选择场景。
-
TimeRangeField 组件:扩展了 TimeField 的功能,允许用户选择时间范围(开始时间和结束时间)。这对于需要时间区间选择的场景(如预约系统)特别有用。
值得注意的是,这些组件依赖于 @internationalized/date 库,因此该库现在成为了 Bits-UI 的必要依赖项。
Slider 组件的重大改进
Slider(滑块)组件在本版本中获得了多项功能增强:
-
离散值支持:现在可以通过 steps 属性直接指定可选值数组,而不仅仅是设置步长。例如,可以指定只能选择 [10, 20, 30, 40] 这些特定值。
-
标签支持:
- ThumbLabel:为滑块手柄添加标签
- TickLabel:为刻度标记添加标签 这些标签组件大大提升了 Slider 的可读性和用户体验。
-
API 改进:
- 引入了 tickItems 片段属性替代旧的 ticks
- 引入了 thumbItems 片段属性替代旧的 thumbs 这些新 API 提供了更灵活的渲染控制,特别是在需要自定义标签时。
-
布局优化:新增 trackPadding 属性,作为 SSR 友好的替代方案,解决了之前需要客户端测量才能实现的布局问题。
其他改进
Button 组件也进行了小幅度优化,为 ref 属性添加了 null 回退,与其他组件保持一致。虽然是个小改动,但体现了库在 API 一致性方面的持续改进。
升级建议
对于现有项目,升级到 2.1.0 版本需要注意以下几点:
- 确保项目使用的 Svelte 版本至少为 5.33.0
- 添加 @internationalized/date 作为项目依赖
- 检查项目中 Slider 组件的使用情况,考虑迁移到新的 tickItems 和 thumbItems API
这次更新标志着 Bits-UI 向更现代化、功能更丰富的方向迈进了一大步,特别是对复杂表单控件的支持有了显著提升。开发者现在可以更轻松地构建专业级的用户界面,同时保持良好的可访问性和用户体验。
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。C0100
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.Python059
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