Spectrum CSS 12.0.0版本发布:重大变更与技术解析
Spectrum CSS是Adobe开源的一套UI组件库,它为开发者提供了符合Adobe设计系统的标准化CSS组件。该项目遵循语义化版本控制规范,12.0.0版本的发布标志着一次重大更新,包含了多项架构调整和功能改进。
核心变更概述
本次12.0.0版本最显著的变化是移除了多个已弃用的组件文档,包括cyclebutton、quickaction、searchwithin和splitbutton。这些组件在之前的版本中已被标记为弃用状态,现在正式从文档中移除,开发者需要迁移到替代方案。
另一个重要更新是对Spectrum 2(S2)基础架构的支持。Storybook现在可以切换不同的token包来连接不同版本的Spectrum设计系统:
-
Spectrum 1:被标记为"legacy"上下文,不再是默认选项。当选择此选项时,Storybook会加载14.6.0版本的@spectrum-css/tokens,并在容器上附加.spectrum--legacy类。
-
Spectrum 2:新的默认上下文,代表"S2基础"版本,作为S1和S2之间的桥梁。虽然这些组件尚未完全符合S2规范,但已经向S2设计方向迈出了重要一步。
-
Express:现已弃用的上下文,仍可通过加载14.6.0版本的token包在Storybook中呈现,但将在下一个主要版本中移除。
技术细节解析
设计系统迁移支持
新版本提供了从Spectrum 1到Spectrum 2的迁移文档,帮助开发者平滑过渡。这种渐进式迁移策略允许团队逐步适应新设计系统,而不是一次性完全重构。
开发者体验改进
修复了代码预览插件中重复行号的问题,提升了开发者在Storybook中查看示例代码的体验。同时更新了Storybook UI的样式,使其更好地融入Spectrum的设计语言,保持一致的视觉体验。
依赖项更新
伴随本次发布,相关依赖项也进行了同步更新:
- @spectrum-css/tokens升级至16.0.0版本
- @spectrum-css/table升级至8.0.0版本
这些依赖项的更新为组件提供了最新的设计token支持,确保样式与设计系统保持同步。
升级建议
对于正在使用Spectrum CSS的项目团队,建议:
-
检查项目是否使用了已移除的组件(cyclebutton、quickaction等),如有使用需制定迁移计划。
-
评估Spectrum 2带来的设计变化,利用新的迁移文档规划升级路径。
-
在测试环境中验证新版本对现有UI的影响,特别注意样式覆盖和自定义修改的部分。
-
关注即将移除的Express上下文,提前做好相关组件的重构准备。
Spectrum CSS 12.0.0版本的发布标志着该项目向现代化设计系统又迈进了一步,通过清晰的版本控制和迁移路径,为开发者提供了平稳过渡的保障。
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