Spectrum CSS 8.0.0版本发布:构建跨设计系统的排版基础
项目背景
Spectrum CSS是Adobe开源的一套CSS框架,它为Adobe Spectrum设计系统提供了基础样式和组件实现。这个框架被广泛应用于Adobe系列产品中,确保不同产品间保持一致的视觉语言和用户体验。最新发布的8.0.0版本在排版系统方面做出了重大改进,为不同设计系统版本之间的兼容性提供了更好的支持。
主要变更解析
设计系统桥梁架构
8.0.0版本最重要的变化是引入了"Spectrum 2 Foundations"架构,这一创新设计在Spectrum 1(S1)和Spectrum 2(S2)两个主要设计系统版本之间建立了桥梁。这种架构不是简单的完全迁移到S2,而是通过"系统层"的概念,将组件级令牌重新映射到适当的令牌数据集。
这种设计带来的直接好处是开发者可以轻松地在S1、Express和S2三种设计风格之间切换组件外观,而无需重写大量CSS代码。要实现这种灵活性,关键在于正确加载相应版本的@spectrum-css/tokens包:
- 要显示S2风格,需要使用@spectrum-css/tokens v16或更高版本
- 要显示S1或Express风格,需要使用@spectrum-css/tokens v14.x或v15.x
文件结构调整
8.0.0版本对文件结构进行了优化,移除了metadata文件夹及其包含的mods.md和metadata.json文件。现在,关于组件的所有信息,包括选择器、修饰符和透传属性等,都可以在dist/metadata.json中找到。
另一个重要变化是移除了index-vars.css文件,这个文件在之前版本中已被标记为废弃。开发者现在应该使用index.css或index-base.css来替代。
使用指南
不同场景下的文件选择
-
仅需S2 Foundations样式:直接使用index.css文件,它包含了所有基础样式和S2 Foundations的系统映射。
-
仅需S1或Express组件:使用index-base.css配合相应的themes/(spectrum|express).css文件。
-
需要动态切换设计系统:加载index-base.css和index-theme.css文件,然后使用相应的上下文类:
.spectrum--legacy对应S1风格.spectrum--express对应Express风格
兼容性考虑
值得注意的是,这个版本主要用于Spectrum Web Components 1.x。如果需要完全实现S2设计,开发者应该考虑使用next标签的发布版本,而不是这个基础版本。
技术实现细节
令牌系统重构
这次更新背后的核心技术是令牌系统的重构。通过将设计系统的视觉属性抽象为可配置的令牌,使得在不同设计系统间切换成为可能。这种架构使得:
- 设计一致性更容易维护
- 主题切换更加灵活
- 未来设计系统升级更加平滑
性能优化
新的文件结构设计也考虑到了性能因素。通过提供不同的文件组合选项,开发者可以根据实际需求只加载必要的CSS代码,避免不必要的样式冗余。
升级建议
对于正在使用旧版本Spectrum CSS的项目,升级到8.0.0版本需要注意以下几点:
- 检查项目中是否有直接引用metadata文件夹或index-vars.css的地方,需要进行相应调整。
- 根据项目需求选择合适的令牌版本(@spectrum-css/tokens)。
- 评估是否需要动态切换设计系统功能,以决定使用哪种文件组合方案。
- 对于复杂项目,建议分阶段升级,先在小范围测试兼容性。
总结
Spectrum CSS 8.0.0版本通过创新的"Spectrum 2 Foundations"架构,为设计系统的演进提供了更加灵活的解决方案。这种架构不仅解决了当前S1到S2的过渡问题,也为未来可能的系统升级奠定了良好基础。对于Adobe生态系统中的产品开发者来说,这次更新意味着可以更加轻松地保持产品视觉一致性,同时为未来的设计演进做好准备。
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