BewlyBewly项目深色模式适配优化实践
项目背景
BewlyBewly是一个针对B站(哔哩哔哩)网页端的深色模式优化项目。随着深色模式在现代UI设计中的普及,越来越多的用户期望在各种场景下都能获得一致的视觉体验。本项目致力于为B站网页端提供全面的深色模式支持,解决原生界面在深色模式下可能出现的视觉不一致问题。
当前适配状态分析
通过对B站多个页面的调研,我们发现以下几个关键界面在深色模式适配方面存在改进空间:
-
视频音乐信息弹窗:当用户点击视频使用的音乐时弹出的信息框,当前未适配深色模式,导致在深色背景下可能出现视觉冲突。
-
UP主充电功能界面:为UP主充电的页面存在两种不同样式,均未进行深色模式适配,影响用户体验的一致性。
-
特殊功能页面:
- 404错误页面
- 热门内容页面
- 稍后再看列表
- 虚拟主播专区
- 会员购页面
适配优先级策略
基于用户使用频率和视觉影响程度,我们制定了以下适配优先级策略:
-
高优先级:直接影响核心用户体验的页面,如稍后再看列表、404页面等高频使用场景。
-
中优先级:特定功能页面,如UP主充电界面、视频音乐信息弹窗等。
-
低优先级:使用频率较低或专业性较强的页面,如创作中心、社区中心、公益活动页面等。
技术实现方案
深色模式适配主要采用以下技术方案:
-
CSS变量覆盖:通过注入自定义CSS变量,覆盖原生样式中的颜色定义。
-
媒体查询增强:扩展原有的prefers-color-scheme媒体查询,确保在不同系统主题下都能正确显示。
-
动态样式注入:对于特殊页面,采用JavaScript动态注入样式规则,解决静态CSS无法覆盖的问题。
-
渐进式增强:优先保证核心功能的视觉一致性,再逐步扩展至边缘功能。
已完成的适配工作
目前项目已完成以下页面的深色模式适配:
- 稍后再看列表页面
- 404错误页面
这些页面的适配显著提升了用户在深色模式下的浏览体验,解决了原本可能出现的白底白字等可读性问题。
未来优化方向
基于用户反馈和技术评估,未来将考虑以下优化方向:
-
核心功能全面适配:优先完成视频相关功能的深色模式支持,包括音乐信息弹窗、充电界面等。
-
边缘场景覆盖:逐步扩展至使用频率较低但仍有需求的页面,如会员购、虚拟主播专区等。
-
性能优化:研究更高效的样式注入方式,减少对页面性能的影响。
-
用户自定义:考虑增加用户自定义深色模式配色的功能,满足不同用户的个性化需求。
结语
BewlyBewly项目的深色模式适配工作是一个持续优化的过程。通过科学的分级策略和技术方案,我们正在逐步提升B站网页端在深色模式下的用户体验。未来将继续关注用户反馈,不断完善适配范围和质量,为B站用户提供更加舒适、一致的视觉体验。
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-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