Storybook v9.0.0-rc.0 发布:前端组件开发工具的重大更新
Storybook 是一个流行的前端组件开发环境,它允许开发者独立构建、测试和文档化 UI 组件。作为前端开发工作流中的重要工具,Storybook 9.0.0-rc.0 版本的发布带来了多项改进和新特性,标志着该项目向稳定版本迈出了重要一步。
核心功能优化
本次更新在核心功能方面进行了多项优化。首先,Storybook 现在能够更好地处理动画效果,在渲染周期完成前会等待动画结束,这解决了之前组件动画可能导致测试不准确的问题。其次,框架移除了 viewport meta 标签中的 maximum-scale=1 限制,为响应式设计测试提供了更灵活的空间。
在错误处理方面,新版本增强了未捕获错误的检测能力,这对于开发者调试组件非常有帮助。同时,团队还优化了预览 API 的打包策略,避免了 manager 入口中的预打包问题,提升了构建效率。
无障碍功能增强
无障碍访问(A11y)是本次更新的重点改进领域。开发团队修复了在 pnpm 项目中使用 axe-core 的问题,并解决了多个无障碍检查的一致性问题。特别值得注意的是,现在当组件通过热模块替换(HMR)更新时,Storybook 会自动重新运行无障碍测试,确保组件修改后依然符合无障碍标准。
文档部分的无障碍性也得到了提升,改进了 TableOfContents 的 HTML 结构和无障碍特性,使文档导航对辅助技术更加友好。
文档与测试改进
在文档功能方面,团队修复了 layout: centered 与 inline: false 同时使用时的显示问题,并解决了居中布局下 iframe 内容宽度不正确的情况。这些改进使得文档展示更加稳定可靠。
测试相关功能也有显著提升。Vitest 插件现在使用独立的缓存目录,并支持包含空格的路径,解决了之前的一些兼容性问题。自动化测试方面,现在能够正确处理 lit 数组的克隆行为,确保测试数据的准确性。
自动化迁移与构建优化
对于从旧版本升级的用户,自动化迁移工具得到了多项改进。现在能够正确地在 ESM 模块中应用 wrap-require 自动迁移,并优化了渲染器到框架的迁移逻辑。同时修复了 addon-docs 的安装问题,使迁移过程更加顺畅。
构建系统方面,项目更新了导入路径并启用了语法最小化,移除了构建配置中的别名,使项目结构更加清晰。这些底层优化虽然对最终用户不可见,但为开发者提供了更好的维护基础。
开发者体验提升
CLI 工具也获得了多项改进,包括优化的包升级逻辑、调整的初始化提示,以及移除了 yarn create 命令中的 @latest 标签。这些变化使得新项目创建和现有项目管理更加直观便捷。
实验性的 afterEach 钩子现已稳定,为开发者提供了更强大的测试生命周期控制能力。同时,测试相关的 addon 现在会自动在所有测试之前加载,简化了配置流程。
Storybook 9.0.0-rc.0 的这些改进覆盖了从核心功能到开发者体验的各个方面,为即将到来的正式版奠定了坚实基础。对于前端开发团队来说,这些更新将显著提升组件开发和测试的效率与可靠性。
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