Sonner 通知库的交互设计演进:从垂直滑动到多向手势的思考
2025-05-23 10:54:36作者:邓越浪Henry
手势交互在通知组件中的重要性
在现代前端开发中,通知组件(Toast)的用户体验直接影响着应用的交互质量。Sonner作为一款流行的React通知库,其手势交互设计经历了有趣的演进过程。最初版本仅支持垂直方向滑动关闭,这在移动端引发了用户发现性问题——许多用户根本意识不到可以滑动关闭通知。
设计理念的碰撞
早期的Sonner采用了严格的"空间一致性"原则,即通知的消失方向必须与其出现方向一致。这种设计理念源自苹果的人机交互指南,认为UI元素应该像物理世界中的物体一样,从哪来就回哪去。然而,这种理念更适合持久性UI元素,对于短暂出现的通知而言,这种限制反而造成了使用障碍。
用户行为模式的启示
通过对用户反馈的分析,开发者注意到几个关键现象:
- 多数移动用户习惯水平滑动关闭通知(类似iOS/Android系统通知)
- 底部通知的垂直下滑手势在单手操作时不够舒适
- 缺乏视觉提示导致手势操作难以被发现
技术实现方案
最新版本的Sonner采用了更灵活的手势策略:
- 根据通知位置智能适配滑动方向
- 底部右侧通知支持向下和向右滑动
- 底部左侧通知支持向下和向左滑动
- 顶部通知则适配向上滑动方向
- 提供swipeDirections属性供开发者自定义
交互隐喻的转变
设计团队最终采纳了"卡片堆叠"的交互隐喻:
- 通知像卡片一样可以堆叠显示
- 支持展开查看详细信息
- 支持多方向滑动移除 这种模式更符合用户对通知类组件的心理预期,与主流操作系统保持了一致性。
最佳实践建议
基于Sonner的演进经验,我们在设计通知组件时应该考虑:
- 优先遵循平台惯例(移动端倾向水平滑动)
- 提供明确的操作引导或视觉反馈
- 考虑不同屏幕位置的手势舒适度
- 保持适度的自定义灵活性
- 在一致性和可用性间寻求平衡
Sonner的这次迭代展示了如何通过用户反馈不断优化组件体验,也为其他通知库的设计提供了有价值的参考。
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
24
9
Ascend Extension for PyTorch
Python
223
246
暂无简介
Dart
672
157
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
663
313
React Native鸿蒙化仓库
JavaScript
262
324
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
🎉 (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
1.2 K
655
🔥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
64
19
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
330
137