Spectrum CSS 6.0.0版本发布:CloseButton组件重大更新
Adobe的Spectrum CSS项目发布了6.0.0版本,这是CloseButton组件的一次重大更新。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完整的CSS组件库,帮助开发者快速构建符合Adobe设计规范的用户界面。
本次更新的核心是引入了"Spectrum 2 Foundations"架构,这是一个连接Spectrum 1(S1)和Spectrum 2(S2)设计的桥梁。这个架构允许开发者通过简单的系统层切换,让组件在S1、Express和S2三种设计风格之间自由转换,而无需重写大量CSS代码。
主要变更内容
Spectrum 2 Foundations架构
新版本最重要的变化是引入了系统层概念。开发者现在可以通过加载不同版本的@spectrum-css/tokens来切换组件的外观风格:
- 要显示S2风格,需要加载v16或更高版本的@spectrum-css/tokens
- 要显示S1或Express风格,需要加载v14.x或v15.x版本的@spectrum-css/tokens
这种设计为开发者提供了更大的灵活性,特别是在需要同时支持多种设计风格的场景下。值得注意的是,这个版本主要用于Spectrum Web Components 1.x项目。
废弃功能
6.0.0版本中移除了两个不再维护的功能:
-
移除了包含mods.md和metadata.json的metadata文件夹。现在开发者可以通过每个组件中提供的dist/metadata.json文件来获取组件信息,包括选择器、修饰符和透传属性等。
-
移除了index-vars.css文件,这个文件之前已经被标记为废弃。开发者现在应该使用index.css或index-base.css来代替。
文件使用指南
新版本提供了更灵活的文件使用方式:
-
如果只需要S2 Foundations样式,可以使用index.css文件,它包含了所有基础样式和S2 Foundations的系统映射。
-
如果只需要发布S1或Express风格的组件,可以使用index-base.css加上相应的themes/(spectrum|express).css文件。
-
要创建可以在S2 Foundations、S1和Express上下文之间轻松切换的组件,可以加载index-base.css和index-theme.css文件,并使用适当的上下文类(.spectrum--legacy表示S1,.spectrum--express表示Express)。
技术实现细节
这次更新在技术实现上做了重大调整,主要体现在:
-
系统层设计:通过抽象出系统层,将设计风格的具体实现与组件逻辑分离,提高了代码的可维护性和扩展性。
-
令牌管理:通过@spectrum-css/tokens的不同版本控制设计风格,实现了设计系统的一致性和灵活性。
-
向后兼容:虽然引入了重大变更,但仍然提供了对旧版本的支持路径,确保现有项目可以平稳过渡。
升级建议
对于正在使用Spectrum CSS的开发者,升级到6.0.0版本时需要注意:
-
评估项目需求:如果项目需要同时支持多种设计风格,这个版本提供了很好的解决方案。
-
检查依赖关系:确保项目中使用的@spectrum-css/tokens版本与所需的设计风格匹配。
-
更新引用路径:替换所有对index-vars.css的引用,改用新的文件结构。
-
测试兼容性:在升级前进行全面测试,特别是使用了废弃功能的代码部分。
这次更新标志着Spectrum CSS向更灵活、更模块化的方向迈进,为开发者提供了更多控制权和选择空间,同时也为未来的设计系统演进打下了坚实基础。
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