Tailwind-merge v3.0.0发布:全面支持Tailwind CSS v4
项目简介
Tailwind-merge是一个用于优化Tailwind CSS类名合并的JavaScript工具库。它能够智能地分析和合并冲突的Tailwind CSS类名,确保最终应用的样式符合预期。在大型项目中,当多个组件或模块都定义了Tailwind类名时,这个工具特别有用,可以避免样式冲突和意外的样式覆盖。
重大更新:Tailwind CSS v4支持
Tailwind-merge v3.0.0版本最重要的变化是全面支持了Tailwind CSS v4,同时不再支持Tailwind CSS v3。这意味着开发者需要将Tailwind CSS和tailwind-merge同时升级到v4和v3版本才能获得最佳体验。
核心改进
-
更精确的类名解析:得益于Tailwind CSS v4自身更高的内部一致性,tailwind-merge现在能够更准确地解析和合并类名冲突。
-
主题变量命名空间匹配:主题比例键(theme scales keys)现在完全匹配Tailwind CSS v4的主题变量命名空间,提高了配置的一致性。
-
验证器重构:移除了
isLength验证器,将其拆分为更专业的isNumber和isFraction验证器,使类型检查更加精确。
配置变更
-
前缀定义简化:在配置中定义前缀时不再需要包含连接符"-",简化了配置语法。
-
必填配置项:使用
createTailwindMerge时,现在必须提供orderSensitiveModifiers属性配置。 -
类型定义变更:
DefaultThemeGroupIds类型联合现在包含不同的字符串字面量,与Tailwind CSS v4保持一致。
新特性支持
-
重要修饰符位置:现在支持Tailwind CSS v4中新的重要修饰符(!)位置,可以放在类名末尾。
-
任意CSS变量语法:新增对任意CSS变量语法的支持,扩展了样式自定义能力。
-
新增验证器:为支持Tailwind CSS v4的新特性,如任意CSS变量,新增了一系列验证器。
问题修复
- 顺序敏感修饰符处理:修复了之前版本中对某些顺序敏感修饰符(如
before:)处理不当的问题,现在能够正确识别和处理这些修饰符。
迁移建议
对于正在使用Tailwind CSS v3和tailwind-merge v2的项目,建议同时升级到Tailwind CSS v4和tailwind-merge v3。虽然这需要一定的迁移工作,但新版本提供了更精确的类名合并和更好的Tailwind CSS集成体验。
升级时需要注意配置项的变更,特别是前缀定义方式和新增的必填配置项。对于自定义主题的项目,还需要检查主题变量命名空间是否与Tailwind CSS v4兼容。
总结
Tailwind-merge v3.0.0通过全面支持Tailwind CSS v4,为开发者提供了更强大、更精确的类名合并能力。虽然升级过程可能需要对现有配置进行调整,但新版本带来的改进值得投入。特别是对顺序敏感修饰符的更好支持和新增的CSS变量功能,将显著提升大型项目中样式管理的效率和可靠性。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0199
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0130
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python08
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07