Style Dictionary 多条件/多模式设计令牌的实现方案
2025-06-15 01:44:09作者:宣海椒Queenly
设计令牌中的多值需求
在现代设计系统中,设计令牌(Design Token)经常需要支持多种条件或模式下的不同取值。常见场景包括:
- 暗黑/明亮模式:同一令牌在不同主题下需要返回不同颜色值
- 响应式设计:同一间距令牌在不同断点下需要不同尺寸
- 多平台适配:同一组件在不同平台(iOS/Android/Web)需要不同样式表现
传统实现方案及其局限
传统上,开发者会为每种模式创建单独的文件,例如:
colors.light.jsoncolors.dark.jsonspacing.mobile.jsonspacing.desktop.json
这种方法存在明显问题:
- 维护成本高:每个组件需要维护多个文件
- 扩展性差:当增加新维度(如新增平台)时,文件数量呈指数增长
- 工作流复杂:需要手动管理大量文件间的引用关系
技术挑战分析
在Style Dictionary中实现单文件多值令牌面临的核心技术挑战:
- 转换器(Transformer)限制:默认只处理
value属性,忽略其他自定义属性 - 引用解析问题:多值令牌如何正确处理对其他令牌的引用
- 输出格式化:如何将多值令牌正确输出为CSS变量和媒体查询
可行的解决方案
方案一:扩展属性模式
{
"token": {
"value": "12px",
"breakpoints": {
"mobile": "14px",
"tablet": "16px"
}
}
}
优点:
- 结构清晰直观
- 易于理解和维护
缺点:
- 需要自定义格式化器
- 无法自动转换扩展属性值
方案二:令牌分组命名法
{
"token@#0": {
"value": "{base.size.16}",
"mode": "light"
},
"token@#1": {
"value": "{base.size.24}",
"mode": "dark"
}
}
实现要点:
- 使用特殊命名约定区分不同模式
- 在格式化器中处理命名转换
- 按模式分组输出CSS规则
优点:
- 所有值都能通过转换器处理
- 保持标准令牌结构
缺点:
- 需要预处理令牌结构
- 引用解析较为复杂
方案三:元数据扩展法
{
"token": {
"value": "<themed>",
"$extensions": {
"themes": {
"light": "#ffffff",
"dark": "#000000"
}
}
}
}
实现机制:
- 使用
$extensions存储多模式值 - 构建时展开为多个虚拟令牌
- 分别处理每个模式值
优点:
- 符合DTCG规范
- 保持令牌结构整洁
缺点:
- 无法直接引用多值令牌
- 需要复杂预处理逻辑
性能与架构考量
在评估方案时,需要考虑:
- 输出文件体积:合并所有模式到单一文件会增加未使用CSS
- 运行时性能:浏览器需要解析更多CSS规则
- 维护成本:复杂方案会增加长期维护难度
推荐架构:
- 基础原始令牌(不受主题影响)
- 语义层令牌(主题相关)
- 组件令牌(引用语义层)
最佳实践建议
- 简单场景:使用扩展属性+自定义格式化器
- 复杂主题系统:采用多文件+多Style Dictionary实例
- 平衡方案:元数据扩展法结合预处理脚本
对于GitHub等大型设计系统,推荐采用分层架构,将主题相关性与组件解耦,既能保持灵活性,又能控制复杂度。
未来发展方向
设计令牌社区正在积极讨论主题化标准,未来可能会:
- 标准化多值令牌语法
- 提供内置主题支持
- 优化转换器处理流程
开发者应关注相关规范进展,同时根据当前项目需求选择最适合的过渡方案。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0153- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
LongCat-Video-Avatar-1.5最新开源LongCat-Video-Avatar 1.5 版本,这是一款经过升级的开源框架,专注于音频驱动人物视频生成的极致实证优化与生产级就绪能力。该版本在 LongCat-Video 基础模型之上构建,可生成高度稳定的商用级虚拟人视频,支持音频-文本转视频(AT2V)、音频-文本-图像转视频(ATI2V)以及视频续播等原生任务,并能无缝兼容单流与多流音频输入。00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0112
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
733
4.75 K
deepin linux kernel
C
31
16
Ascend Extension for PyTorch
Python
652
797
Claude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed.
Get Started
Rust
1.25 K
153
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.1 K
611
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++
1.01 K
1.01 K
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
147
237
昇腾LLM分布式训练框架
Python
168
200
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
434
395
暂无简介
Dart
986
253