Chakra UI React 3.5.0版本发布:新增加载组件与按钮组优化
Chakra UI是一个流行的React组件库,它提供了大量可访问、可定制且美观的UI组件,帮助开发者快速构建现代化的Web应用界面。3.5.0版本的发布为这个库带来了一些实用的新功能和重要改进。
NativeSelect组件的重要修复
在3.5.0版本中,开发团队重点修复了NativeSelect组件的一些关键问题。NativeSelect是Chakra UI提供的原生选择框组件,它比自定义的选择框组件性能更好,但之前存在一些功能上的缺陷。
这次更新解决了三个主要问题:
- 修复了disabled和invalid属性无法正确传递给NativeSelectField组件的问题
- 当invalid属性设置为true时,现在能够正确保持错误状态下的焦点环显示
- 修复了在Windows/Linux设备的暗黑模式下原生选择框文本不可读的问题
这些改进使得NativeSelect组件在各种设备和环境下都能提供更一致的用户体验。
全新Loader组件
3.5.0版本引入了一个全新的Loader组件及其配套的LoaderOverlay组件。Loader组件用于表示加载状态,可以单独使用,也可以与Button等组件结合使用。
LoaderOverlay则提供了一个全屏或局部区域的加载遮罩,非常适合在数据加载或表单提交时阻止用户交互的场景。这些组件都遵循Chakra UI的设计系统,可以轻松地通过主题配置来自定义外观。
Button组件增强
Button组件在这个版本中获得了重要的功能增强:
- 新增了loading属性,可以方便地显示按钮处于加载状态
- 新增了loadingText属性,允许自定义加载状态下显示的文本
- 移除了之前的按钮代码片段(snippet),改为使用内置的Button组件实现
这些改进使得按钮的加载状态处理更加简单和一致,开发者不再需要手动实现加载指示器和状态管理。
ButtonGroup组件回归
3.5.0版本重新引入了ButtonGroup组件,这个组件在v2版本中广受欢迎。ButtonGroup用于将多个相关按钮组合在一起,保持一致的间距和视觉风格。
新版本的ButtonGroup继承了Chakra UI v3的设计理念,提供了更好的可访问性和定制能力。它特别适合用于工具栏、操作按钮组等场景。
其他改进
- 修复了Snippets/Menu中复选框项的渲染问题
- 优化了组件的类型定义和文档
- 改进了组件的主题一致性
升级建议
对于正在使用Chakra UI的项目,3.5.0版本是一个值得升级的次要版本。特别是那些需要使用加载状态或按钮组的项目,新组件将大大简化开发工作。升级过程应该是平滑的,因为这次更新没有引入破坏性变更。
开发者可以通过更新package.json中的版本号或使用包管理器命令来升级到最新版本。升级后,建议检查项目中是否使用了被移除的按钮代码片段,并将其替换为新的Button组件实现。
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
atomcodeAn open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust017
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00