Spectrum CSS 8.0.0版本发布:构建Spectrum 2设计系统基础
Spectrum CSS是Adobe开源的一套CSS框架,它为Adobe产品提供了一套完整的设计系统实现。这个框架包含了丰富的UI组件样式,帮助开发者快速构建符合Adobe设计规范的界面。最新发布的8.0.0版本是一个重要的里程碑,它引入了Spectrum 2 Foundations,为从Spectrum 1(S1)到Spectrum 2(S2)的设计过渡搭建了桥梁。
版本核心变化
8.0.0版本的主要创新在于创建了一个灵活的系统层,允许开发者在S1、Express和S2设计之间切换组件的外观。这一特性通过重新映射组件级别的token到适当的token数据集来实现,而不是提供一个完全迁移的S2组件。
要使用S2样式,开发者需要搭配使用16.0.0或更高版本的@spectrum-css/tokens。而对于S1或Express样式,则需要使用14.x或15.x版本的token包。这种设计为开发者提供了更大的灵活性,可以根据项目需求选择合适的视觉风格。
文件结构与使用建议
新版本对文件结构进行了优化:
- 移除了metadata文件夹及其内容,相关信息现在可以在每个组件的dist/metadata.json中找到
- 移除了已弃用的index-vars.css文件,建议使用index.css或index-base.css替代
对于不同的使用场景,开发人员可以灵活选择:
- 如果只需要S2 Foundations样式,使用index.css文件
- 如果只需要S1或Express组件样式,使用index-base.css配合相应的themes/(spectrum|express).css文件
- 如果需要在不同设计系统间切换,使用index-base.css配合index-theme.css文件,并通过.spectrum--legacy(S1)或.spectrum--express(Express)类来控制
技术实现细节
这一版本的实现依赖于系统层的token重映射机制。通过将组件级别的CSS变量与更高层级的token系统解耦,使得同一套组件可以在不同设计系统下呈现不同的视觉效果。这种架构设计既保证了代码的复用性,又提供了足够的灵活性。
兼容性考虑
值得注意的是,这个版本是为Spectrum Web Components 1.x设计的过渡方案。对于希望完全采用S2设计的项目,开发者应该考虑使用next标签的版本。这种分阶段的升级路径为大型项目提供了平滑过渡的可能性。
总结
Spectrum CSS 8.0.0版本的发布标志着Adobe设计系统演进的重要一步。通过引入Spectrum 2 Foundations,它为开发者提供了从传统设计向现代设计过渡的工具,同时保持了向后兼容性。这种渐进式的升级策略体现了对现有项目维护的考虑,同时也为采用新设计提供了清晰的路径。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
yuanrongopenYuanrong runtime:openYuanrong 多语言运行时提供函数分布式编程,支持 Python、Java、C++ 语言,实现类单机编程高性能分布式运行。Go051
pc-uishopTNT开源商城系统使用java语言开发,基于SpringBoot架构体系构建的一套b2b2c商城,商城是满足集平台自营和多商户入驻于一体的多商户运营服务系统。包含PC 端、手机端(H5\APP\小程序),系统架构以及实现案例中应满足和未来可能出现的业务系统进行对接。Vue00
ebook-to-mindmapepub、pdf 拆书 AI 总结TSX01