Storybook v8.6.5版本发布:前端组件开发工具再升级
Storybook作为当前最流行的前端组件开发工具,为开发者提供了独立的UI组件开发环境。最新发布的8.6.5版本虽然是一个小版本更新,但包含了对多个关键功能的改进和问题修复,值得开发者关注。
核心功能优化
在8.6.5版本中,Storybook团队对核心功能进行了多项优化。首先是改进了时间显示功能,现在能够更准确地显示"分钟"而不是简写为"m",这虽然是一个小改动,但对于国际化应用和提升用户体验有着重要意义。
另一个值得注意的改进是针对通用存储(Universal Store)的调整,团队移除了对crypto.randomUUID的依赖,这使得Storybook能够在更多环境中稳定运行,特别是那些不支持Web Crypto API的环境。
框架适配增强
Angular支持改进
对于Angular开发者来说,8.6.5版本将@angular-devkit/build-angular添加到了安装包中,这意味着Angular项目的初始化过程会更加顺畅,减少了手动配置的步骤。
Next.js集成优化
Next.js用户现在在空目录中初始化Storybook时会自动使用最新版本,这解决了之前版本可能出现的兼容性问题,使得项目初始化过程更加智能和可靠。
Svelte相关问题修复
Svelte开发者在这个版本中获得了两个重要修复:
- 解决了Vite构建时虚拟模块导入导致的崩溃问题
- 修复了与
svelte2tsx@0.7.35配合使用时自动参数类型推断失效的问题
这些改进使得Svelte开发者能够更顺畅地使用Storybook进行组件开发。
辅助功能与测试改进
可访问性(A11y)插件现在将@storybook/global提升为完整依赖,这增强了插件的稳定性,确保相关功能在不同环境中都能正常工作。
对于React Native Web(RNW)项目的开发者,CLI工具现在能够正确处理测试安装过程,解决了之前版本中可能出现的问题。
总结
Storybook 8.6.5虽然是一个小版本更新,但包含了多个框架适配的改进和问题修复,体现了团队对开发者体验的持续关注。无论是Angular、Next.js还是Svelte开发者,都能从这个版本中获得更好的开发体验。对于正在使用Storybook的团队来说,升级到这个稳定版本将有助于提升开发效率和项目稳定性。
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
Spark-Prover-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
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-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