Spectrum CSS 8.0.0-next.2版本中的Accordion组件重大更新解析
Spectrum CSS是Adobe设计系统的重要组成部分,它为开发者提供了一套符合Adobe设计语言的UI组件库。本次发布的8.0.0-next.2版本对Accordion(手风琴)组件进行了重大更新,使其完全符合Spectrum 2的设计规范和令牌系统。
设计规范升级
新版本Accordion组件全面采用了Spectrum 2的设计令牌系统,这意味着组件现在使用了一套更现代化、更统一的设计参数。这些变化包括:
- 使用新的尺寸令牌来控制圆角半径
- 重新设计了展开/折叠图标周围的间距
- 优化了内容区域的间距处理
新增功能特性
本次更新为Accordion组件带来了几个重要的新功能:
-
静默模式:新增了"quiet"样式选项,该模式下不会显示项目间的分隔线,提供了更简洁的视觉体验。
-
动画过渡效果:现在展开和折叠操作时,指示图标会带有平滑的旋转动画,增强了用户体验。
-
无内边距变体:通过
.spectrum-Accordion--noInlinePadding类,开发者可以选择移除项目标题的内边距,提供更灵活的布局控制。 -
尺寸约束:根据设计规范,现在Accordion项目有最小宽度和默认宽度设置。虽然可以通过
--mod-accordion-item-width自定义宽度,但不能小于--spectrum-accordion-item-minimum-width定义的最小值。
标记结构变更
新版本的HTML结构有所调整,主要变化包括:
- 将展开/折叠图标从按钮外部移到了按钮内部
- 移除了原先包裹图标的
spectrum-Accordion-itemIconContainer元素 - 新增了
spectrum-Accordion-itemTitlespan元素来包裹标题文本
这些变更使标记结构更加语义化,也更符合现代Web组件的设计模式。
自定义属性调整
为了更准确地反映使用场景,一些自定义属性被重新命名:
--mod-accordion-item-height→--mod-accordion-item-minimum-height--mod-accordion-min-block-size→--mod-accordion-item-min-block-size--mod-accordion-component-edge-to-text→--mod-accordion-content-padding-inline
同时新增了几个有用的自定义属性:
--mod-accordion-animation-duration:控制动画持续时间--mod-accordion-edge-to-content-area:内容区域边距--mod-accordion-item-minimum-width:项目最小宽度--mod-accordion-top-to-disclosure-indicator:指示器顶部间距
开发者影响评估
对于正在使用旧版本Accordion组件的开发者,需要注意以下几点迁移事项:
-
标记结构:需要按照新规范调整HTML结构,特别是图标位置和标题包裹元素。
-
样式覆盖:如果之前有自定义样式覆盖,可能需要根据新的类名和自定义属性进行调整。
-
尺寸控制:新的宽度约束系统可能会影响现有布局,需要测试确认。
-
动画效果:新的动画系统可能需要调整交互逻辑代码。
这次更新使Spectrum CSS的Accordion组件更加现代化和灵活,同时也保持了Adobe设计系统一贯的高质量标准。开发者可以利用这些新特性创建更符合现代Web标准的交互式界面。
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- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
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!Kotlin08
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