Spectrum CSS DropIndicator 组件重大更新解析
Spectrum CSS 项目简介
Spectrum CSS 是 Adobe 开源的一套符合 Spectrum 设计系统的 CSS 框架,它为开发者提供了构建符合 Adobe 设计规范的 Web 界面所需的基础样式和组件。该项目采用模块化设计,每个组件都可以独立使用,同时也支持整体集成。
DropIndicator 组件 v7.0.0 版本解析
最新发布的 DropIndicator 组件 v7.0.0 版本带来了重大架构调整,主要目的是在 Spectrum 1(S1)和 Spectrum 2(S2)设计系统之间建立桥梁,这一中间层被称为"Spectrum 2 Foundations"。
核心变更点
设计系统兼容性架构
新版本引入了系统层(System Layer)的概念,通过重新映射组件级别的设计令牌(Tokens),使组件能够在 S1、Express 和 S2 设计系统之间灵活切换。这种架构设计允许开发者:
- 使用 v16 或更高版本的 @spectrum-css/tokens 来呈现 S2 设计风格
- 使用 v14.x 或 v15.x 版本的 @spectrum-css/tokens 来保持 S1 或 Express 设计风格
文件结构调整
- 移除了包含 mods.md 和 metadata.json 的 metadata 文件夹,相关元数据现在统一放在 dist/metadata.json 中
- 移除了已废弃的 index-vars.css 文件,推荐使用 index.css 或 index-base.css
文件使用指南
开发者可以根据不同场景选择加载不同的 CSS 文件:
- 仅需 S2 Foundations 样式:使用 index.css,包含所有基础样式和 S2 Foundations 的系统映射
- 仅需 S1 或 Express 样式:使用 index-base.css 加上相应的 themes/(spectrum|express).css
- 需要动态切换设计系统:加载 index-base.css 和 index-theme.css,并通过上下文类(.spectrum--legacy 对应 S1,.spectrum--express 对应 Express)进行切换
技术影响评估
这一更新为开发者提供了更大的灵活性,特别是在需要同时支持多个设计系统的项目中。系统层的引入使得设计风格的切换变得更加简单和可控,而无需修改组件本身的代码。
需要注意的是,这并非完整的 S2 组件迁移,而是作为过渡方案。对于需要完整 S2 设计的项目,建议关注 next 标签的发布版本。当前版本主要用于 Spectrum Web Components 1.x 系列。
总结
Spectrum CSS DropIndicator 7.0.0 版本的发布标志着 Adobe 设计系统向更加灵活和可扩展的方向发展。通过引入 Foundations 架构,开发者现在可以更轻松地在不同设计系统版本间切换,同时为未来的设计系统演进提供了良好的基础架构支持。这一变化特别适合那些需要同时维护多个设计版本的大型项目,为前端开发团队提供了更大的设计灵活性。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00