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 StartedRust0239
GLM-5.2智谱开源 GLM-5.2,这是针对长文本任务的最新旗舰模型。相较于前代产品 GLM-5.1,它在长文本任务处理能力上实现了显著飞跃,并且首次在稳定的 100 万 token 上下文中提供这一能力。Jinja00
JoyAI-VL-Interaction-Preview京东开源首个开源、视觉驱动的实时交互模型——它能实时监控视频流,并自主决定何时发言、保持沉默或委托任务。Jinja00
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0180
kornia🐍 空间人工智能的几何计算机视觉库Python03
PaddleParallel Distributed Deep Learning: Machine Learning Framework from Industrial Practice (『飞桨』核心框架,深度学习&机器学习高性能单机、分布式训练和跨平台部署)C++02
项目优选
收起
暂无描述
Dockerfile
786
5.14 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
898
2.08 K
Ascend Extension for PyTorch
Python
767
985
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
721
1.45 K
deepin linux kernel
C
32
16
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
471
481
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
483
180
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++
1.13 K
1.17 K
JiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。
Python
2.49 K
684
昇腾LLM分布式训练框架
Python
189
240