Storybook 9.0.0候选版本发布:开发者体验全面升级
2025-05-31 17:57:14作者:平淮齐Percy
项目简介
Storybook是一个流行的前端开发工具,主要用于UI组件的开发、测试和文档化。它提供了一个隔离的环境,让开发者能够独立地构建和展示UI组件,而无需依赖完整的应用程序上下文。Storybook支持多种前端框架,包括React、Vue、Angular等,是现代前端开发工作流中不可或缺的工具。
9.0.0-rc.1版本亮点
Storybook团队近日发布了9.0.0版本的第一个候选版本(rc.1),这个版本带来了一系列改进和优化,主要集中在开发者体验和工具链整合方面。
文档展示优化
在文档插件(Docs Addon)方面,团队修复了文档内容区域在显示目录(TOC)时的溢出问题。这个改进确保了当文档内容较长且带有目录导航时,页面布局能够保持整洁,不会出现内容溢出的情况,提升了文档的可读性和用户体验。
Vitest测试集成增强
对于使用Vitest作为测试工具的开发者,这个版本有两个重要改进:
- 现在会自动忽略MDX文件作为测试的一部分,这解决了之前测试运行器可能会错误地尝试执行文档文件的问题。
- 在自动化迁移过程中,移除了vitest.setup.ts文件中的beforeAll钩子,这有助于避免测试环境的意外配置冲突。
这些改动使得Storybook与Vitest的集成更加无缝,减少了测试配置的复杂性。
核心功能优化
在核心功能方面,团队优化了交互测试的显示逻辑。现在当执行交互测试时,不再显示"Render story"步骤,这使得测试输出更加简洁,开发者可以更专注于实际的交互行为验证。
依赖项更新与清理
这个版本还包括了一些底层的维护工作:
- 更新了docgen相关依赖,确保类型解析和文档生成功能保持最新。
- 移除了source-loader包,这是对代码库的一次清理,简化了项目的依赖结构。
技术价值分析
这次更新虽然看起来主要是小修小补,但实际上反映了Storybook项目在几个重要方向上的持续投入:
- 文档体验:对文档展示的持续优化表明Storybook越来越重视作为设计系统和组件文档平台的角色。
- 测试集成:对Vitest的专门优化显示了Storybook对现代测试工具链的支持决心。
- 代码健康度:依赖项的更新和清理工作保持了项目的可持续发展性。
升级建议
对于考虑升级到9.0.0版本的团队,这个候选版本已经相当稳定,适合开始进行兼容性测试。特别建议:
- 使用Vitest的团队可以重点关注测试配置的简化
- 重度使用文档功能的团队应该验证TOC布局问题是否已解决
- 检查是否有自定义配置依赖于被移除的source-loader
总体而言,9.0.0版本延续了Storybook一贯的开发者友好理念,通过一系列细致入微的改进,让前端组件开发和文档工作变得更加高效和愉悦。
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
STM32到GD32项目移植完全指南:从兼容性到实战技巧 JDK 8u381 Windows x64 安装包:企业级Java开发环境的完美选择 开源电子设计自动化利器:KiCad EDA全方位使用指南 Python案例资源下载 - 从入门到精通的完整项目代码合集 Python开发者的macOS终极指南:VSCode安装配置全攻略 网页设计期末大作业资源包 - 一站式解决方案助力高效完成项目 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 STDF-View解析查看软件:半导体测试数据分析的终极工具指南 MQTT 3.1.1协议中文版文档:物联网开发者的必备技术指南 Jetson TX2开发板官方资源完全指南:从入门到精通
项目优选
收起
deepin linux kernel
C
24
9
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
🔥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
暂无简介
Dart
671
155
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++
660
308
Ascend Extension for PyTorch
Python
220
236
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
392
3.83 K
React Native鸿蒙化仓库
JavaScript
259
322