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。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00