Storybook项目中的Addons功能重构:从对象到函数的转变
2025-04-29 01:45:17作者:卓艾滢Kingsley
在Storybook项目的开发过程中,团队正在对内部addons的实现方式进行一项重要重构——将原本以对象形式定义的addons改为函数形式。这一技术改进虽然看似简单,却蕴含着对Storybook架构优化的深刻思考。
背景与动机
Storybook作为前端组件开发环境,其addons系统一直是其强大扩展能力的核心。传统的addons通常以静态对象的形式定义,例如:
const preview = {
parameters: {
// 各种配置参数
}
}
这种实现方式虽然直观,但在动态性和灵活性方面存在局限。随着Storybook CSF3(Component Story Format 3)的推出,团队希望addons能够具备更强大的动态配置能力。
技术实现方案
新的实现方案将addons改为函数形式,同时保持向下兼容性。具体实现如下:
const preview = {
parameters: {},
}
const fn = () => preview;
Object.assign(fn, preview);
export default fn;
这种实现巧妙地将函数与对象特性结合在一起:
- 导出一个函数,当调用时返回原始的preview对象
- 使用Object.assign将preview对象的属性复制到函数上
- 最终导出的既是一个函数,又保留了原始对象的所有属性
架构调整的影响
这一变化主要影响Storybook的以下部分:
- 预览加载机制:需要调整预览注解(preview annotation)的加载逻辑,特别是对CSF3故事的处理
- 构建器适配:包括Webpack5和Vite构建器都需要相应修改,确保正确处理函数形式的addons导出
这种改变带来的优势包括:
- 更好的动态配置能力
- 更灵活的addons组合方式
- 为未来的热更新等功能奠定基础
- 保持与现有生态的兼容性
技术细节解析
在底层实现上,Storybook的构建系统需要处理这种混合导出形式。例如在Webpack5构建器中,虚拟模块入口需要能够识别这种函数形式的导出,并正确处理其调用。
对于CSF3故事,加载逻辑需要明确区分:
- 当遇到函数导出时,先调用函数获取配置
- 同时保留对函数上静态属性的访问能力
这种混合模式确保了向后兼容性,同时为未来的扩展提供了更大的灵活性。
总结
Storybook团队将addons从对象改为函数形式的这一重构,体现了框架设计中对灵活性与兼容性的平衡考量。这种改变虽然表面上是导出形式的调整,实则反映了Storybook架构向更动态、更灵活的配置方式演进的方向。对于开发者而言,这一变化几乎是透明的,但为未来的功能扩展和性能优化打下了坚实基础。
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
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-1.5暂无简介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-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
最新内容推荐
PCDViewer-4.9.0-Ubuntu20.04:专业点云可视化与编辑工具全面解析 高效汇编代码注入器:跨平台x86/x64架构的终极解决方案 高效验证码识别解决方案:OCRServer资源文件深度解析与应用指南 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 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 海能达HP680CPS-V2.0.01.004chs写频软件:专业对讲机配置管理利器 MQTT 3.1.1协议中文版文档:物联网开发者的必备技术指南 IK分词器elasticsearch-analysis-ik-7.17.16:中文文本分析的最佳解决方案 ONVIF设备模拟器:开发测试必备的智能安防仿真工具 Python开发者的macOS终极指南:VSCode安装配置全攻略
项目优选
收起
deepin linux kernel
C
24
7
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
615
140
Ascend Extension for PyTorch
Python
169
190
React Native鸿蒙化仓库
JavaScript
240
315
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++
647
258
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
374
3.2 K
🎉 (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
1.09 K
618
🔥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
62
19
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
262
92