Spectrum CSS菜单组件重大更新解析:迈向Spectrum 2设计体系
2025-07-04 20:23:35作者:胡唯隽
项目背景
Spectrum CSS是Adobe开源的设计系统实现,为开发者提供了一套完整的UI组件库和设计规范。该项目遵循Adobe Spectrum设计语言,广泛应用于Adobe系列产品中。本次发布的@spectrum-css/menu@9.0.0版本是一个重要的里程碑更新,标志着从Spectrum 1(S1)向Spectrum 2(S2)设计体系的过渡。
核心变更解析
设计体系桥梁构建
本次更新的核心是创建了"Spectrum 2 Foundations"这一中间层,它作为S1和S2设计体系之间的桥梁。这种创新性的架构允许开发者:
- 通过简单的系统层重映射,在S1、Express和S2三种设计风格间切换
- 使用
@spectrum-css/tokensv16或更高版本来支持S2样式 - 使用v14.x或v15.x版本保持S1或Express样式
这种设计特别适合正在逐步迁移到S2体系的项目,如Spectrum Web Components 1.x。
样式系统实现机制
新版本引入了灵活的样式加载策略:
- 仅需S2基础样式时,使用
index.css(包含基础样式和S2系统映射) - 仅需S1或Express样式时,使用
index-base.css配合相应的主题文件 - 需要动态切换设计体系时,使用
index-base.css配合index-theme.css,并通过.spectrum--legacy(S1)或.spectrum--express(Express)类名控制
菜单项视觉优化
针对菜单项的视觉表现进行了重要改进:
- 为S2基础设计采用了轮廓(outline)样式替代传统的视觉效果
- 通过增加边距为轮廓宽度和偏移预留空间
- 保持了对S1和Express的视觉效果支持
- 这些变更与S2设计规范中的内边距要求保持一致
废弃与移除内容
本次更新清理了一些不再维护的资产:
- 移除了包含
mods.md和metadata.json的metadata文件夹,相关元数据现在统一放在dist/metadata.json中 - 彻底移除了已弃用的
index-vars.css文件,开发者应迁移到index.css或index-base.css
技术实现细节
依赖关系更新
本次发布同步更新了多个相关组件的依赖版本:
@spectrum-css/tokens升级至16.0.0- 配套组件如复选框、分隔线、开关等也都进行了大版本更新
- 图标系统升级到9.0.0版本
- 托盘组件更新至5.0.0
这些依赖更新确保了整个系统在设计体系过渡期间的一致性。
开发者迁移建议
对于正在使用Spectrum CSS的开发者:
- 评估项目需求,确定是否需要立即采用S2基础设计
- 检查现有代码中对
index-vars.css的引用,进行必要的迁移 - 如果项目需要元数据信息,更新获取路径至
dist/metadata.json - 对于需要多设计体系支持的项目,合理规划样式加载策略
- 注意菜单项视觉表现的变化,特别是轮廓与视觉效果的差异
这次更新代表了Spectrum CSS向现代化设计体系迈进的重要一步,为开发者提供了更灵活的设计选择,同时保持了向后兼容性。通过这种渐进式的迁移策略,项目可以平滑地从传统设计过渡到新的视觉语言。
登录后查看全文
热门项目推荐
相关项目推荐
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
最新内容推荐
电脑PC网易云音乐免安装皮肤插件使用指南:个性化音乐播放体验 开源电子设计自动化利器:KiCad EDA全方位使用指南 Jetson TX2开发板官方资源完全指南:从入门到精通 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 Python案例资源下载 - 从入门到精通的完整项目代码合集 2022美赛A题优秀论文深度解析:自行车功率分配建模的成功方法 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
245
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
672
157
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
662
312
React Native鸿蒙化仓库
JavaScript
262
322
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
860
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218