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。
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