Fontsource项目中的Sass全局函数弃用问题解析与解决方案
问题背景
在Fontsource项目中,当开发者使用Sass的@fontsource相关功能时,可能会遇到一个关于全局内置函数弃用的警告信息。这个警告明确指出:"Global built-in functions are deprecated and will be removed in Dart Sass 3.0.0. Use list.append instead."(全局内置函数已被弃用,并将在Dart Sass 3.0.0中移除,请改用list.append)。
技术原理
这个问题源于Sass语言本身的演进。在较新版本的Dart Sass中,Sass团队决定将全局命名空间中的内置函数迁移到模块化的命名空间中,这是为了更好的模块化支持和避免命名冲突。具体到这个问题,原本可以直接使用的append()函数现在需要通过list模块来调用,即list.append()。
这种变化反映了现代前端工具链向更模块化、更规范化的方向发展。对于像Fontsource这样的大型项目来说,及时跟进这些变化非常重要,因为它会影响大量使用该项目的开发者。
影响范围
这个问题主要影响以下场景:
- 使用
@fontsource或@fontsource-variable包中的SCSS mixins - 项目中使用Dart Sass 1.83.4或更高版本
- 使用Webpack等构建工具打包时
典型的使用场景包括通过mixins动态生成字体face规则,例如:
@use '@fontsource-variable/bricolage-grotesque/scss/mixins' as Bricolage;
@include Bricolage.faces($axes: (wdth, opsz));
解决方案
Fontsource团队在v5.2.0版本中已经解决了这个问题。解决方案包括:
- 将所有弃用的全局函数调用改为模块化调用方式
- 将SCSS相关代码重构为一个独立的包,便于维护和版本管理
- 确保向后兼容性,使现有代码无需修改也能继续工作
对于开发者来说,解决方案很简单:只需将Fontsource相关包升级到v5.2.0或更高版本即可。升级后,原有的SCSS代码无需任何修改就能正常工作,且不会再收到弃用警告。
最佳实践
为了避免类似问题并保持代码的长期可维护性,建议开发者:
- 定期更新项目依赖,特别是像Sass这样的核心工具链
- 关注官方文档中的弃用警告,及时调整代码
- 在新项目中优先使用模块化的Sass语法(@use而不是@import)
- 考虑将SCSS相关的配置集中管理,便于统一升级和维护
总结
Fontsource项目团队对Sass语法变化的快速响应体现了项目的活跃维护状态。通过这次更新,开发者可以继续安心使用Fontsource提供的字体管理功能,同时为未来的Dart Sass 3.0做好了准备。这也提醒我们,在现代前端开发中,保持依赖项的更新和关注工具链的变化是非常重要的开发实践。
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