Lichess移动端应用中开局探索器的导航按钮行为分析与修复
2025-07-10 17:03:07作者:俞予舒Fleming
在Lichess移动端应用的开局探索器功能中,开发者发现了一个关于"前进"和"后退"导航按钮的行为异常问题。这个问题影响了用户在探索开局变着时的体验流畅性。
问题现象
当用户在使用开局探索器时,按照以下步骤操作会观察到异常行为:
- 选择第一个着法
- 点击"后退"按钮
- 选择另一个不同的着法
- 再次点击"后退"按钮
- 点击"前进"按钮
此时,应用不会导航到用户最近选择的着法,而是会跳转到最初选择的第一个着法。这种行为与用户预期不符,因为通常用户期望导航按钮能按照操作历史顺序前进或后退。
技术背景
这个问题源于Lichess移动端应用中导航栈的实现机制。在分析棋盘屏幕中,应用采用了"第一个创建的变着优先"的逻辑,这种设计在分析模式下可能是合理的,因为用户可能希望保留最初的变着思路。然而,这种实现直接复用到开局探索器场景中就产生了问题。
开局探索器的使用场景与普通分析模式有所不同:
- 用户更倾向于快速浏览和比较不同开局路线
- 需要频繁切换和回溯不同的着法选择
- 对导航的历史顺序有更严格的线性预期
解决方案
修复此问题需要针对开局探索器的特殊使用场景调整导航栈的实现逻辑。具体修改包括:
- 为开局探索器实现独立的导航历史管理
- 确保导航栈严格按照用户操作顺序记录着法选择
- 使"前进"按钮能正确回溯到最近的着法选择而非最早的
这种修改保持了分析模式原有行为的兼容性,同时为开局探索器提供了更符合用户预期的导航体验。
技术实现要点
在代码实现层面,主要涉及以下关键点:
- 状态管理:需要区分分析模式和开局探索器模式的状态存储
- 导航栈实现:为开局探索器维护一个独立的操作历史栈
- 事件处理:正确处理用户交互事件并更新相应的导航状态
通过这次修复,Lichess移动端应用的开局探索器功能提供了更流畅、更符合直觉的用户体验,使用户能够更高效地研究和比较不同的开局变着。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0453
源启盛夏_AtomGit暑期开发者成长计划「源启盛夏」暑期校园开发者成长计划旨在激活校园开源力量,通过积分激励、认证扶持、资源倾斜等形式,引导高校组织和开发者完成「入驻 — 建项目 — 做贡献 — 获认证 — 得资源」的完整闭环。无论你是想带领社团入驻平台的组织者,还是希望用代码贡献证明自己的开发者,都能在这里找到属于你的成长路径。Markdown01
XianyuAutoAgent智能闲鱼客服机器人系统:专为闲鱼平台打造的AI值守解决方案,实现闲鱼平台7×24小时自动化值守,支持多专家协同决策、智能议价和上下文感知对话。Python05
new-apiAI模型聚合管理中转分发系统,一个应用管理您的所有AI模型,支持将多种大模型转为统一格式调用,支持OpenAI、Claude、Gemini等格式,可供个人或者企业内部管理与分发渠道使用。🍥 A Unified AI Model Management & Distribution System. Aggregate all your LLMs into one app and access them via an OpenAI-compatible API, with native support for Claude (Messages) and Gemini formats.TSX028
AscendNPU-IRAscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优C++0314
mllm轻量化的端侧多模态推理框架,支持多种硬件后端https://ubiquitouslearning.github.io/mllm/C++02
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Markdown
831
5.5 K
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
495
520
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
978
2.31 K
作为 Ascend for PyTorch 社区的核心组件,TorchNPU 是昇腾专为 PyTorch 打造的深度学习适配插件,使 PyTorch 框架能够直接调用昇腾 NPU,为开发者提供昇腾 AI 处理器的超强算力。
Python
806
1.16 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
792
1.59 K
deepin linux kernel
C
32
16
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
484
314
JiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。
Python
3.03 K
777
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++
1.21 K
1.26 K
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
659
298