在Next.js 15中无Tailwind使用Assistant-UI的实践指南
Assistant-UI是一个功能强大的React组件库,为开发者提供了丰富的UI元素来构建交互式应用界面。虽然官方文档主要推荐使用Tailwind CSS进行样式定制,但许多开发者更倾向于使用纯CSS或其他CSS-in-JS方案。本文将详细介绍如何在Next.js 15项目中不使用Tailwind CSS的情况下集成Assistant-UI组件。
无Tailwind方案的核心思路
Assistant-UI组件在设计时已经考虑了不使用Tailwind CSS的场景。组件内部使用了特定的CSS类名前缀(如aui-thread-root、aui-composer-input等),这些类名可以通过预编译的CSS文件直接应用样式,而不需要Tailwind的转换过程。
具体实现步骤
-
安装依赖:首先确保已经正确安装了@assistant-ui/react-ui包
-
导入预编译样式:在项目的入口文件(如_app.js或_app.tsx)中导入Assistant-UI提供的预编译CSS文件:
import "@assistant-ui/styles/index.css";
import "@assistant-ui/styles/markdown.css";
- 按需导入组件:根据项目需要导入具体的UI组件
import { Thread, Composer } from "@assistant-ui/react-ui";
样式定制技巧
虽然使用了预编译的CSS文件,开发者仍然可以通过以下方式对组件样式进行定制:
- 覆盖样式:在项目CSS文件中重写aui-前缀的类名定义
.aui-composer-input {
background-color: #f5f5f5;
border-radius: 8px;
}
- CSS变量控制:部分组件支持通过CSS变量进行主题定制
:root {
--aui-primary-color: #4285f4;
--aui-border-radius: 8px;
}
注意事项
- 模态框组件:如果项目中使用了Modal组件,需要额外导入modal.css文件
import "@assistant-ui/styles/modal.css";
-
样式优先级:自定义样式应确保有足够的选择器权重来覆盖基础样式
-
响应式设计:预编译的CSS已经包含了基本的响应式设计,但开发者可能需要根据项目需求进行调整
最佳实践建议
-
创建样式覆盖文件:建议为Assistant-UI组件创建专门的样式覆盖文件,便于维护
-
渐进式采用:可以先使用预编译样式,再逐步替换为项目自有样式系统
-
版本升级检查:在升级Assistant-UI版本时,注意检查预编译样式是否有重大变更
通过以上方法,开发者可以在Next.js 15项目中灵活使用Assistant-UI组件,同时保持对样式系统的完全控制,无需依赖Tailwind CSS。这种方案特别适合已有成熟样式系统的项目,或者偏好使用纯CSS/Sass等传统方案的开发团队。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00