Spectrum CSS ColorWheel组件重大更新解析
Adobe Spectrum CSS项目近日发布了ColorWheel(色轮)组件的7.0.0-next.0预发布版本,这是该组件自S2设计系统迁移以来的首次重大更新。作为Adobe设计系统的重要组成部分,Spectrum CSS为开发者提供了一套完整的UI组件库,而ColorWheel组件则是色彩选择功能中的核心元素。
设计系统迁移带来的架构变革
本次更新最显著的变化是从原有设计迁移至S2设计系统。技术团队引入了两个新的CSS自定义属性:--spectrum-colorwheel-border-color-rgb和--spectrum-colorwheel-border-opacity,同时重构了--spectrum-colorwheel-border-color属性,使其现在通过rgba()函数来利用这些新令牌。这种改变使得边框颜色的控制更加灵活和模块化。
在DOM结构方面,移除了spectrum-ColorWheel-border类及其关联的模板DOM节点,因为S2设计中不再需要外部/底层边框。取而代之的是,现在使用::before和::after伪元素来绘制覆盖色轮内外边缘的边框效果。这种优化不仅减少了DOM节点数量,还提高了渲染性能。
尺寸规格与视觉呈现改进
新版本严格遵循S2设计规范,提供了240px和192px两种尺寸支持。开发者现在可以更精确地控制色轮在不同场景下的显示尺寸,确保UI一致性。
视觉呈现方面,边框处理变得更加精细:
- 外部和内部边框现在通过伪元素实现
- 移除了不必要的边框模板节点
- 优化了边框的叠加效果
- 提高了在高对比度模式下的可访问性
代码优化与向后兼容性
技术团队对代码进行了多项优化:
- 将
forced-colors媒体查询移至文件底部,保持与其他组件一致的代码结构 - 移除了多个已废弃的CSS自定义属性(mods)
- 更新了故事书(Storybook)、测试用例和文档
值得注意的是,以下自定义属性已被移除,开发者需要检查现有代码并进行相应调整:
--mod-colorwheel-height
--mod-colorwheel-width
--mod-colorwheel-min-width
--mod-colorwheel-path-borders
--mod-colorwheel-colorarea-margin
--mod-colorwheel-border-width
开发者迁移建议
对于正在使用旧版ColorWheel组件的开发者,建议:
- 检查项目中是否使用了已移除的自定义属性
- 更新CSS类名引用,注意边框相关类的变化
- 测试高对比度模式下的显示效果
- 验证组件在不同尺寸下的表现
- 更新相关测试用例
这次更新标志着Spectrum CSS向更现代化、更高效的实现方式迈进,同时也为未来的功能扩展奠定了更坚实的基础。开发者可以期待更稳定、更灵活的ColorWheel组件体验。
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-1.5暂无简介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
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
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