Spectrum CSS资产列表组件8.0.0版本发布解析
项目背景介绍
Spectrum CSS是Adobe公司开源的一套设计系统CSS框架,它为Web应用提供了一套完整的UI组件库和设计规范。这套框架遵循Adobe Spectrum设计语言,能够帮助开发者快速构建符合Adobe设计标准的用户界面。
重大更新内容
8.0.0版本是一个重要的里程碑式更新,它构建了Spectrum 1(S1)和Spectrum 2(S2)设计之间的桥梁,被称为"Spectrum 2基础架构"。这次更新带来了架构层面的重大改变:
-
设计系统兼容性:新版本允许开发者通过"系统"层在S1、Express和S2设计风格之间切换组件外观。系统会将必要的组件级令牌重新映射到适当的令牌数据集。
-
版本依赖要求:
- 要显示S2风格,必须使用16或更高版本的@spectrum-css/tokens
- 要显示S1或Express风格,需要使用14.x或15.x版本的@spectrum-css/tokens
-
文件结构调整:
- 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
技术实现细节
文件使用指南
开发者可以根据不同需求选择不同的CSS文件:
-
仅需S2基础样式:使用index.css文件,它包含所有基础样式加上S2基础架构的系统映射。
-
仅需S1或Express组件:使用index-base.css加上所需的themes/(spectrum|express).css文件。
-
多设计系统切换:加载index-base.css和index-theme.css文件,并使用适当的上下文类:
.spectrum--legacy对应S1风格.spectrum--express对应Express风格
依赖项更新
本次发布同步更新了多个依赖组件:
- @spectrum-css/tokens升级至16.0.0
- @spectrum-css/checkbox升级至10.0.0
- @spectrum-css/icon升级至9.0.0
开发者注意事项
-
迁移建议:如果开发者需要完全实现S2设计,建议探索next标签版本而非使用此基础架构版本。
-
元数据获取:组件信息(包括选择器、修饰符和透传属性)现在可以通过每个组件附带的dist/metadata.json文件获取。
-
兼容性说明:此版本主要用于Spectrum Web Components 1.x版本。
总结
Spectrum CSS资产列表组件8.0.0版本的发布标志着Adobe设计系统向现代化迈出了重要一步。通过引入设计系统间的桥梁架构,开发者现在可以更灵活地在不同设计风格间切换,同时保持代码的一致性和可维护性。这一更新为未来的设计系统演进奠定了坚实基础,同时也为现有项目提供了平稳过渡的路径。
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