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 00:53:44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
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
项目优选
收起
deepin linux kernel
C
24
9
暂无简介
Dart
669
155
Ascend Extension for PyTorch
Python
219
236
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
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++
660
308
🔥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
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
392
3.81 K
React Native鸿蒙化仓库
JavaScript
259
322
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.19 K
653
仓颉编程语言运行时与标准库。
Cangjie
141
878