Lichess移动端棋子拖动灵敏度问题分析与解决方案
2025-07-10 14:36:07作者:范靓好Udolf
问题背景
在Lichess移动端应用中,用户反馈了一个关于棋子操作体验的问题:当玩家快速点击棋子准备移动时,如果手指在点击后有轻微移动(即使仍在原方格内),棋子会被意外取消选中。这种情况在快棋对局中尤为明显,影响了玩家的操作流畅性。
技术分析
这个问题本质上涉及到移动端手势识别的阈值设置。在Flutter实现的棋盘组件中,存在一个名为_kDragDistanceThreshold的参数,它定义了触发拖动操作的最小移动距离阈值。当前的实现中,这个阈值可能设置得过低,导致轻微的手指移动就被识别为拖动意图,从而取消了原有的选中状态。
解决方案演进
开发团队针对这个问题提出了两个技术方案:
-
调整拖动阈值:直接增大
_kDragDistanceThreshold的值,使得轻微的手指移动不会触发拖动操作。这种方法简单直接,但可能会影响其他依赖精确拖动操作的用户体验。 -
添加设置选项:更完善的解决方案是在应用设置中增加"禁用拖动输入"的选项(通过PR#864实现)。这样用户可以根据自己的操作习惯选择是否启用拖动功能。对于习惯快速点击操作的用户,可以完全禁用拖动,避免误操作;而对于习惯拖动操作的用户,则可以保留原有功能。
最佳实践建议
对于不同类型的棋类应用用户,我们建议:
- 快棋玩家:在设置中禁用拖动功能,完全使用点击-点击的移动方式,避免因操作速度过快导致的误取消问题。
- 传统操作习惯玩家:保持默认设置,继续使用点击-拖动的操作方式。
- 开发者:在实现类似棋盘交互时,应当考虑提供操作方式的配置选项,以适应不同用户群体的操作习惯。
总结
这个问题展示了移动端棋类应用中精细操作处理的重要性。通过分析用户操作模式和技术实现细节,开发团队提供了灵活的解决方案,既保持了原有功能的完整性,又为特定用户群体提供了优化选项。这种以用户为中心的设计思路值得在其他棋类应用开发中借鉴。
登录后查看全文
热门项目推荐
相关项目推荐
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
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
245
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
672
157
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
662
313
React Native鸿蒙化仓库
JavaScript
262
323
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
860
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218