Spectrum CSS 11.0.0版本发布:卡片组件重大更新与技术解析
项目背景
Spectrum CSS是Adobe开源的一套设计系统CSS框架,它为开发者提供了一套完整的UI组件样式解决方案。这套框架遵循Adobe Spectrum设计语言,广泛应用于Adobe系列产品中。Spectrum CSS通过模块化的方式提供各种UI组件,使开发者能够快速构建符合Adobe设计规范的Web界面。
主要更新内容
本次发布的11.0.0版本对卡片组件(@spectrum-css/card)进行了重大架构调整,主要实现了Spectrum 1(S1)与Spectrum 2(S2)设计之间的桥梁功能。这一更新被命名为"Spectrum 2 Foundations",它并非完全迁移到S2组件,而是提供了一种灵活的系统层,使组件能够在S1、Express和S2设计之间切换外观。
核心变更点
-
设计系统兼容性:
- 新增了对Spectrum 2 Foundations的支持
- 保留了与Spectrum 1和Express设计的兼容性
- 通过系统层重映射组件级token来实现不同设计风格切换
-
使用条件:
- 要显示S2风格,需要搭配使用@spectrum-css/tokens v16或更高版本
- 要显示S1或Express风格,需要使用@spectrum-css/tokens v14.x或v15.x
-
文件结构调整:
- 移除了metadata文件夹及其内容
- 移除了已弃用的index-vars.css文件
- 提供了更清晰的文件使用指南
技术实现细节
设计系统切换机制
新版本通过引入"系统层"的概念,实现了不同设计风格的无缝切换。这一层负责将组件级别的token映射到适当的数据集上。开发者可以通过简单的类名切换来改变整个应用的视觉风格:
.spectrum--legacy:切换到Spectrum 1风格.spectrum--express:切换到Express风格- 默认情况下:显示Spectrum 2 Foundations风格
文件使用策略
新版本提供了更灵活的文件使用方式:
-
仅需S2 Foundations样式: 直接使用
index.css文件,它包含了所有基础样式和S2 Foundations的系统映射 -
仅需S1或Express样式: 使用
index-base.css配合相应的主题文件themes/(spectrum|express).css -
需要动态切换设计风格: 加载
index-base.css和index-theme.css,然后通过添加相应的上下文类来切换风格
向后兼容性考虑
虽然这是一个主版本更新,带来了重大变更,但项目团队已经考虑了向后兼容性:
- 保留了与旧版本token的兼容性
- 提供了清晰的迁移路径
- 通过文档说明了不同使用场景下的最佳实践
开发者建议
对于正在使用或计划使用Spectrum CSS的开发者,建议:
-
评估需求:
- 如果需要完全S2设计,建议等待或使用
next标签版本 - 如果需要在现有项目中逐步迁移到S2,这个版本提供了良好的过渡方案
- 如果需要完全S2设计,建议等待或使用
-
版本管理:
- 注意配套token包的版本要求
- 确保所有相关依赖都升级到兼容版本
-
样式覆盖:
- 尽量减少直接样式覆盖,利用提供的token系统
- 遵循新的文件使用规范,避免依赖已移除的文件
总结
Spectrum CSS 11.0.0版本的卡片组件更新代表了Adobe设计系统向前迈出的重要一步。通过引入Spectrum 2 Foundations,它为开发者提供了更灵活的设计选择,同时保持了与现有项目的兼容性。这种渐进式的迁移策略使得从传统Spectrum 1设计过渡到现代Spectrum 2设计变得更加平滑可控。
对于正在构建Adobe生态系统应用的团队来说,这次更新提供了宝贵的机会来逐步现代化他们的UI,而不会造成破坏性变更。理解并合理利用这一版本的新特性,将有助于开发出既符合最新设计规范又能保持稳定性的Web应用。
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
HunyuanVideo-1.5暂无简介00
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-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
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