Style Dictionary 多条件/多模式设计令牌的实现方案
2025-06-15 22:15:55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
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-X1-7BSpark-Prover-X1-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
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-X1-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile015
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
最新内容推荐
32位ECC纠错Verilog代码:提升FPGA系统可靠性的关键技术方案 ZLIB 1.3 静态库 Windows x64 版本:高效数据压缩解决方案完全指南 Jetson TX2开发板官方资源完全指南:从入门到精通 STDF-View解析查看软件:半导体测试数据分析的终极工具指南 2023年最新HTMLCSSJS组件库:提升前端开发效率的必备资源 Photoshop作业资源文件下载指南:全面提升设计学习效率的必备素材库 IEC61850建模工具及示例资源:智能电网自动化配置的完整指南 海康威视DS-7800N-K1固件升级包全面解析:提升安防设备性能的关键资源 PADS元器件位号居中脚本:提升PCB设计效率的自动化利器 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南
项目优选
收起
deepin linux kernel
C
24
7
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
306
2.71 K
仓颉编译器源码及 cjdb 调试工具。
C++
123
759
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
598
132
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
1.03 K
460
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.06 K
616
Ascend Extension for PyTorch
Python
141
170
仓颉编程语言命令行工具,包括仓颉包管理工具、仓颉格式化工具、仓颉多语言桥接工具及仓颉语言服务。
C++
55
737
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++
634
232