Storybook 9.0版本重大变更:废弃功能全面清理
Storybook作为前端组件开发工具,在9.0版本中进行了一次大规模的废弃功能清理。这次清理涉及核心API、组件系统、测试工具等多个关键模块,旨在简化代码结构、提高维护性并推动用户采用更现代的API设计模式。
核心API的重大调整
在Preview API模块中,Storybook移除了多个过时的属性和方法。其中fromId、getSetStoriesPayload等方法被移除,这些方法原本用于旧版的故事存储和检索机制。新的版本推荐使用标准化的故事数据获取流程。
Manager API方面,废弃了DeprecatedState类型定义,这个类型原本用于管理插件的状态存储。同时,serverChannel属性也被移除,这是为了简化客户端与服务端的通信模型。
组件系统的现代化改造
Button组件经历了显著的重构,移除了isLink、primary、secondary等过时的props定义。这些属性原本用于控制按钮的视觉样式,现在推荐使用更灵活的CSS-in-JS方案或设计系统token来管理组件样式。
图标系统也进行了简化,移除了Icons和Symbols等类型定义。新的图标系统采用更标准化的SVG组件方案,与主流前端框架的图标集成方案保持一致。
测试工具的改进
测试模块中移除了fn和Mock等过时的测试工具函数。这些函数原本提供基础的测试辅助功能,现在推荐使用更现代的测试工具库如Jest或Vitest提供的原生测试功能。
插件系统的优化
背景(Backgrounds)和视口(Viewport)等核心插件移除了对storyGlobals特性的支持。这些插件现在采用更标准化的参数传递机制,与Storybook的全局状态管理系统更好地集成。
插件类型定义方面,清理了Addon_TestProviderType和Addon_TypesEnum等过时的类型,简化了插件开发者的类型系统认知负担。
文档系统的演进
文档选项中的autodocs参数被移除,这是为了统一文档生成策略。现在推荐使用更灵活的文档配置方案,通过预设和参数组合来实现不同的文档生成需求。
向后兼容性考虑
虽然这次清理移除了大量废弃功能,但Storybook团队通过自动化迁移工具帮助用户平滑过渡。对于特别关键的废弃功能,如Portable Stories的旧格式,团队提供了详细的迁移指南和临时兼容层。
这次清理工作使Storybook的代码库更加精简和现代化,为未来的功能扩展奠定了更坚实的基础。开发者升级到9.0版本时,建议仔细检查变更列表并利用提供的迁移工具进行必要的代码调整。
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