Bubble Card项目中卡片宽度布局的解决方案
2025-06-29 22:59:40作者:裘晴惠Vivianne
问题背景
在Home Assistant的Bubble Card项目使用过程中,用户发现当使用垂直堆叠布局时,卡片默认会占据整个宽度空间。这与用户期望的节省屏幕空间的目标相冲突,因为用户希望保持类似标准区域(Section)中的两列布局效果。
标准区域布局特性
Home Assistant的标准区域(Section)默认采用两列布局,每个卡片宽度为容器的一半。这种布局方式能够有效利用屏幕空间,同时保持界面整洁美观。然而当用户尝试在垂直堆叠布局中实现类似效果时,遇到了卡片自动扩展至全宽的问题。
解决方案探索
经过技术验证,我们确认可以通过以下两种方式实现两列布局:
1. 水平堆叠(Horizontal Stack)方案
水平堆叠是Home Assistant原生支持的布局方式,可以将多个卡片排列在同一行。这种方法适合简单的两列布局需求,实现代码如下:
type: horizontal-stack
cards:
- type: entity
entity: light.living_room
- type: entity
entity: light.bedroom
2. 网格布局(Grid)方案
网格布局提供了更灵活的列数控制,用户可以根据需要设置任意列数。这种方法特别适合需要精确控制布局的场景,实现代码如下:
type: grid
columns: 2
square: false
cards:
- type: entity
entity: light.living_room
- type: entity
entity: light.bedroom
技术建议
- 对于简单的两列布局,推荐优先使用水平堆叠方案,因为它的性能开销更小
- 当需要更多列或更复杂的布局时,网格布局是更好的选择
- 可以通过调整
square参数来控制卡片是否保持正方形比例 - 在垂直堆叠中使用这些布局方式时,注意层级关系,确保布局卡片位于正确的嵌套层级中
实际应用效果
采用网格布局后,用户成功实现了预期的两列卡片显示效果,有效节省了屏幕空间,同时保持了界面的整洁性和可用性。这种解决方案不仅适用于Bubble Card项目,也可以推广到其他Home Assistant的自定义卡片布局场景中。
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
25
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
416
3.2 K
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
🔥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
65
19
暂无简介
Dart
682
160
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
🎉 (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
1.21 K
664
React Native鸿蒙化仓库
JavaScript
265
326
无需学习 Kubernetes 的容器平台,在 Kubernetes 上构建、部署、组装和管理应用,无需 K8s 专业知识,全流程图形化管理
Go
15
1
Ascend Extension for PyTorch
Python
230
259