Lichess移动端棋子移动输入方式优化方案分析
2025-07-10 13:49:13作者:姚月梅Lane
背景介绍
Lichess作为一款开源的在线国际象棋平台,其移动端应用一直致力于提供最佳的用户体验。近期开发团队针对棋子移动输入方式进行了优化讨论,这反映了对用户交互细节的持续关注。
当前输入方式分析
目前Lichess移动端应用提供了两种主要的棋子移动输入方式:
- 拖放操作(Drag and Drop):用户长按棋子后拖动到目标位置
- 双击操作(Two-tap):用户先点击要移动的棋子,再点击目标位置
这两种方式各有优缺点,适用于不同的使用场景和用户偏好。拖放操作更接近实体棋子的移动体验,而双击操作则更适合在小屏幕设备上精确操作。
用户需求洞察
根据用户反馈,主要存在以下需求:
- 减少误操作:部分用户反映在快速操作时容易产生意外移动
- 个性化设置:不同用户对输入方式有不同偏好
- 设备适配:触摸屏和鼠标操作可能需要不同的最优设置
技术实现方案
开发团队提出的解决方案是增加设置选项,允许用户:
- 同时启用两种输入方式(默认)
- 仅启用拖放操作
- 仅启用双击操作
值得注意的是,开发团队特别考虑了设置同步的问题,决定不将此偏好设置与Web UI同步。这一设计决策基于以下考虑:
- 输入设备差异:移动端多为触摸屏,Web端多为鼠标操作
- 使用场景不同:移动端常在移动中使用,需要更防误触的设置
- 用户体验一致性:保持各平台最适合的默认设置
技术实现细节
从提交记录可以看出,开发团队通过多个提交逐步完善了这一功能:
- 基础架构调整,为新的设置选项做准备
- 实现设置界面和逻辑
- 完善输入处理逻辑,确保禁用某种方式后完全不会触发
- 进行充分的测试验证
对用户体验的影响
这一改进将带来以下好处:
- 更高的操作精度:用户可以选择最适合自己操作习惯的方式
- 更少的误操作:特别是可以禁用容易导致误操作的方式
- 更好的适应性:针对不同设备尺寸优化操作体验
总结
Lichess移动端对棋子移动输入方式的优化体现了对细节的关注和对用户个性化需求的尊重。这种灵活的交互设计方案值得其他棋类应用借鉴,它展示了如何在不增加复杂度的前提下,为用户提供更多控制权。开发团队对跨平台设置同步的谨慎考虑也体现了对用户体验差异性的深刻理解。
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
最新内容推荐
电脑PC网易云音乐免安装皮肤插件使用指南:个性化音乐播放体验 开源电子设计自动化利器:KiCad EDA全方位使用指南 Jetson TX2开发板官方资源完全指南:从入门到精通 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 Python案例资源下载 - 从入门到精通的完整项目代码合集 2022美赛A题优秀论文深度解析:自行车功率分配建模的成功方法 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
245
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
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++
662
313
React Native鸿蒙化仓库
JavaScript
262
323
🔥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
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
860
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218