CSS-Doodle v0.42.0 版本发布:网格边框语法革新与随机种子优化
CSS-Doodle 是一个基于 Web Components 的创意图形生成工具,它允许开发者使用简单的 CSS 语法来创建复杂的图案和动画效果。该项目通过自定义元素 <css-doodle> 提供了一种声明式的方式来生成各种视觉效果,特别适合创建背景图案、装饰元素和动态艺术效果。
网格边框语法革新
本次 v0.42.0 版本引入了一个重要的语法改进:使用 ß 符号替代原有的 border 关键字来定义网格边框。这一变化使得网格边框的声明更加简洁和直观。
新的语法支持多种边框定义方式:
/* 基本用法:只指定边框宽度 */
@grid: 1 / 400px ß2;
/* 带单位的边框宽度 */
@grid: 1 / 400px ß2px;
/* 完整边框样式 */
@grid: 1 / 400px ß2px solid red;
/* 仅指定颜色 */
@grid: 1 / 400px ßred;
/* 简写形式 */
@grid: 1 / 400px ß10 blue;
这一改进不仅减少了代码量,还提高了语法的灵活性。ß 符号(德语 sharp s)的选择既保持了键盘输入的便捷性,又避免了与其他 CSS 属性的冲突。
时间统一变量修复
本次更新修复了背景中使用时间统一变量(@t)的问题,现在可以在 @doodle() 函数中正确使用 @t 变量。这一修复使得基于时间的动画效果更加可靠,开发者可以更自由地在各种上下文中使用时间相关的动态效果。
变量重置问题修复
v0.42.0 版本还解决了变量重置的问题。在之前的版本中,某些情况下变量可能会意外重置,导致样式表现不一致。这一修复提高了样式的稳定性和可预测性,特别是在复杂的嵌套结构中。
随机种子生成策略调整
关于随机种子的生成策略,本次更新撤销了之前对嵌套 doodle 元素的修改。现在,每个 doodle 元素都会生成自己的随机种子,而不是共享相同的种子。这一调整恢复了预期的随机行为,确保每个元素都能获得独特的随机效果,这对于创建多样化视觉效果非常重要。
技术影响与最佳实践
对于开发者来说,升级到 v0.42.0 版本需要注意以下几点:
- 现有的使用
border关键字的代码需要迁移到新的ß语法 - 在背景动画中可以更自由地使用
@t变量 - 嵌套 doodle 元素现在会生成各自独立的随机效果
新的网格边框语法特别值得关注,它不仅提供了更简洁的表达方式,还为未来的功能扩展预留了空间。开发者可以开始逐步将现有项目中的边框定义迁移到新语法,以获得更好的代码可读性和维护性。
CSS-Doodle 持续通过这样的渐进式改进,为创意编码提供了更强大、更灵活的工具集,让开发者能够更专注于视觉创意的实现而非技术细节。
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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
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