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。
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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