Tokenami项目v0.0.76版本发布:配置导出优化与构建流程改进
Tokenami是一个现代化的CSS-in-JS解决方案,它通过创新的方式将设计系统和样式管理集成到现代前端开发工作流中。该项目采用原子化CSS理念,同时提供了强大的配置能力和开发工具支持。
本次发布的v0.0.76版本虽然是一个小版本更新,但包含了一些重要的改进和优化,特别是针对配置导出和构建流程的调整。
配置导出优化
在本次更新中,开发团队移除了@tokenami/dev包中冗余的createConfig导出。这是一个破坏性变更,主要影响那些使用较老版本(<=0.0.7)的项目。
在早期版本中,开发者需要从@tokenami/dev导入createConfig函数来创建Tokenami的配置。随着项目的发展,这个导出被统一到了@tokenami/css包中,但为了向后兼容,旧导出一直保留到现在。
对于升级到v0.0.76版本的用户,如果项目中使用了从@tokenami/dev导入的createConfig,需要修改为从@tokenami/css导入。这一变更使得API更加清晰,减少了包之间的耦合,也简化了维护工作。
构建流程改进
本次更新还对项目的持续集成和交付流程进行了多项优化:
-
Canary构建修复:解决了Canary构建(预发布版本构建)的问题,确保开发中的功能能够正确构建和测试。
-
PR代码构建:现在可以使用Pull Request中的代码进行Canary构建,这使得在代码合并前就能测试变更的效果,提高了开发效率。
-
Discord通知流程:改进了Discord发布通知的工作流,现在使用GitHub API来手动触发发布通知,提供了更灵活的通知控制。
-
工作流输入参数:为手动Discord发布添加了工作流输入参数,使得发布过程更加可控和可配置。
升级建议
对于正在使用Tokenami的项目,特别是那些还在使用旧版本的项目,升级到v0.0.76时需要注意:
-
检查项目中是否有从
@tokenami/dev导入createConfig的情况,如有则需要改为从@tokenami/css导入。 -
如果项目使用了自动化构建流程,可能需要根据新的构建特性进行调整,特别是Canary构建相关的部分。
-
对于团队协作项目,可以考虑利用新的PR代码构建功能来提前测试变更。
Tokenami项目持续关注开发者体验和工具链的稳定性,这次更新虽然包含了一个破坏性变更,但为项目的长期维护和未来发展打下了更好的基础。建议开发者及时跟进这些改进,以获得更稳定和高效的开发体验。
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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-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
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