Shadcn-UI 中 Material 主题的暗黑模式实现指南
在 Flutter 开发中,主题管理是一个至关重要的环节,特别是当我们需要同时支持亮色和暗黑模式时。本文将详细介绍如何在 shadcn-ui 项目中实现 Material 主题的暗黑模式支持。
主题构建的基本原理
shadcn-ui 提供了 ShadApp.materialRouter 方法来配置 Material 主题,其中 materialThemeBuilder 参数允许开发者自定义主题样式。这个构建器接收两个参数:context 和 theme,其中 theme 包含了当前的主题信息,包括亮度模式。
实现双模式主题
要实现亮色和暗黑双模式主题,我们需要在 materialThemeBuilder 中根据当前主题的亮度返回不同的主题配置:
return ShadApp.materialRouter(
materialThemeBuilder: (context, theme) {
if (theme.brightness == Brightness.dark) {
return darkMaterialTheme.copyWith();
} else {
return lightMaterialTheme.copyWith();
}
},
);
主题配置详解
亮色主题配置
亮色主题通常使用较浅的颜色和较高的对比度。一个典型的亮色主题配置可能包含以下属性:
- 主色调(primary):深蓝色调
- 主容器色(primaryContainer):浅蓝色调
- 次要色调(secondary):暖色调
- 次要容器色(secondaryContainer):浅暖色调
- 应用栏颜色(appBarColor):与次要容器色协调
暗黑主题配置
暗黑主题则需要考虑低光环境下的可读性和舒适度:
- 主色调(primary):较亮的蓝色调
- 主容器色(primaryContainer):深蓝色调
- 次要色调(secondary):较亮的暖色调
- 次要容器色(secondaryContainer):深暖色调
- 表面模式(surfaceMode):使用低层级表面以增强层次感
注意事项
-
版本兼容性:在 shadcn-ui 0.5.5 版本之前,如果没有显式提供
darkTheme,系统可能会错误地返回亮色主题,即使设备处于暗黑模式。建议使用最新版本以避免此问题。 -
主题继承:使用
copyWith()方法可以在保留原有主题配置的基础上进行局部修改,这是 Flutter 主题管理的常用模式。 -
视觉密度:考虑使用
FlexColorScheme.comfortablePlatformDensity来保持与平台一致的视觉密度。 -
Material 3:确保设置
useMaterial3: true以启用最新的 Material Design 3 规范。
最佳实践
-
主题一致性:确保亮色和暗黑主题中的组件样式保持一致的行为和交互效果。
-
可访问性:在两种模式下都要确保足够的颜色对比度,以满足可访问性要求。
-
测试验证:在各种设备和模拟器中测试主题切换效果,确保视觉一致性。
通过以上方法,开发者可以在 shadcn-ui 项目中轻松实现高质量的 Material 主题双模式支持,为用户提供更加舒适和个性化的视觉体验。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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