MASA.Blazor 1.10.0-rc.1版本发布:主题系统重构与移动组件独立化
MASA.Blazor是一个基于Blazor技术栈的企业级UI组件库,它提供了丰富的组件和现代化的设计风格,帮助开发者快速构建高质量的Web应用。本次发布的1.10.0-rc.1版本带来了多项重要更新,特别是在主题系统和移动组件方面的重大改进。
主题系统全面升级
1.10.0-rc.1版本对主题系统进行了彻底重构,引入了更符合Material Design 3规范的颜色系统。现在开发者可以:
- 使用更多颜色角色和CSS变量来定制界面风格
- 通过名称创建自定义主题,实现多主题切换
- 支持哀悼模式,一键切换为黑白配色
- 所有颜色相关的CSS变量现在只包含RGB值,使用时需要配合rgba()函数
值得注意的是,原有的Light和Dark属性已被标记为过时,推荐使用新的Theme属性来设置组件主题。例如,将<MButton Dark>改为<MButton Theme="dark">。
移动组件独立化
为了提高项目的模块化和可维护性,本次版本将多个移动端组件迁移到了独立项目中:
- 移动端选择器组件(PMobileCascader、PMobileDatePicker等)
- 下拉刷新组件(MPullRefresh)
- 页面堆栈导航组件(PPageStack)
- PDF查看器(MPdfMobileViewer)
开发者需要单独安装MASA.Blazor.MobileComponents包,并在服务注册时调用AddMobileComponents()扩展方法。页面堆栈导航栏组件也进行了重构,不再需要强制重新渲染。
其他重要组件更新
页面堆栈导航增强
页面堆栈导航组件获得了多项改进:
- 新增禁用过渡动画选项
- 引入PageStackTab组件和TabRefreshRequested事件
- 支持徽章功能
- 添加堆栈动画效果
- 允许自定义导航栏样式
表单验证改进
表单上下文现在提供了返回验证结果的方法,使开发者能够更方便地获取和处理验证信息。
新增空状态组件
新增的EmptyState组件专门用于展示空列表或空搜索结果,提升了用户体验的一致性。
通知消息去重
消息队列现在支持过滤重复消息,避免了界面上的冗余提示。
样式与交互优化
- 更新了焦点样式,使用focus-visible伪类提升可访问性
- 滑动选择器新增RTL(从右到左)支持
- 菜单组件现在会自动匹配视口高度
技术架构调整
为了更好的模块化管理,以下组件被迁移到独立的JS组件项目中:
- 轮播组件(Swiper)
- 网格布局(Gridstack)
- Markdown渲染(MarkdownIt和SyntaxHighlight)
- 视频播放器(Xgplayer)
开发者需要根据实际使用情况单独安装这些组件包。
升级指南
对于WebAssembly项目,更新依赖后可能需要删除bin和obj文件夹并重新编译。未使用MapStaticAssets的项目需要更新CSS和JS引用,添加版本号参数以避免缓存问题。
这次更新标志着MASA.Blazor向更模块化、更现代化的方向迈出了重要一步,特别是主题系统的重构为未来的设计一致性打下了坚实基础。开发者可以根据项目需求选择性地升级和使用新功能,逐步迁移到新的API和组件结构。
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 StartedRust075- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
Hy3-previewHy3 preview 是由腾讯混元团队研发的2950亿参数混合专家(Mixture-of-Experts, MoE)模型,包含210亿激活参数和38亿MTP层参数。Hy3 preview是在我们重构的基础设施上训练的首款模型,也是目前发布的性能最强的模型。该模型在复杂推理、指令遵循、上下文学习、代码生成及智能体任务等方面均实现了显著提升。Python00