Spectrum CSS ButtonGroup 组件重大更新解析
项目背景
Spectrum CSS 是 Adobe 开源的一套设计系统实现,为开发者提供了符合 Adobe Spectrum 设计语言的 UI 组件库。它通过 CSS 变量和模块化的方式,让开发者能够轻松构建符合设计规范的 Web 界面。
ButtonGroup 组件 v9.0.0 版本详解
最新发布的 ButtonGroup 组件 9.0.0 版本是一个重要的里程碑式更新,它实现了 Spectrum 1 (S1) 和 Spectrum 2 (S2) 设计之间的桥梁功能,被官方称为"Spectrum 2 Foundations"。
核心变更点
设计系统兼容层
这次更新最显著的特点是创建了一个兼容层,允许开发者在 S1、Express 和 S2 设计系统之间切换组件的外观表现。这一特性通过"系统层"实现,它将组件级别的设计令牌重新映射到相应的令牌数据集上。
版本依赖要求
要启用 S2 设计风格,必须搭配使用 @spectrum-css/tokens 的 v16 或更高版本。如果希望保持 S1 或 Express 风格,则需要使用 @spectrum-css/tokens 的 v14.x 或 v15.x 版本。
文件结构调整
新版本对组件文件结构进行了优化:
- 移除了包含 mods.md 和 metadata.json 的 metadata 文件夹
- 移除了已弃用的 index-vars.css 文件
- 提供了更清晰的文件使用指南
文件使用指南
开发者可以根据不同场景选择加载不同的 CSS 文件:
-
仅需 S2 Foundations 样式
使用 index.css 文件,它包含所有基础样式和 S2 Foundations 的系统映射。 -
仅需 S1 或 Express 样式
组合使用 index-base.css 和相应的主题文件 themes/(spectrum|express).css。 -
需要动态切换设计系统
加载 index-base.css 和 index-theme.css,然后通过添加上下文类来切换风格:.spectrum--legacy对应 S1 风格.spectrum--express对应 Express 风格
技术实现解析
这次更新采用了设计令牌(Design Tokens)的技术方案,通过 CSS 变量和类名控制实现了多设计系统的兼容。这种架构设计使得组件可以在不改变核心逻辑的情况下,通过简单的样式切换就能适应不同的设计语言要求。
升级注意事项
-
版本兼容性
如果项目中使用了完全基于 S2 设计的组件,建议使用 next 标签的版本而非此 Foundations 版本。 -
依赖管理
更新后需要特别注意 @spectrum-css/tokens 的版本匹配,错误的版本组合可能导致样式异常。 -
迁移路径
对于现有项目,建议先在小范围测试新版本的兼容性,再逐步推广到整个项目。
总结
Spectrum CSS ButtonGroup 9.0.0 版本的发布标志着 Adobe 设计系统向前迈出了重要一步。通过引入 Foundations 架构,它为开发者提供了更灵活的设计系统切换能力,同时保持了向后兼容性。这种设计不仅简化了从旧版到新版设计系统的迁移过程,也为未来的设计演进预留了空间。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
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