Spectrum CSS Divider组件重大更新解析
Spectrum CSS是Adobe开源的一套设计系统CSS框架,为开发者提供了符合Adobe设计语言的UI组件。Divider(分割线)作为界面设计中常用的视觉分隔元素,在本次更新中迎来了重大版本升级。
更新概述
本次Spectrum CSS的Divider组件升级至6.0.0-next.0版本,主要变化在于将组件迁移至S2设计系统标准。这一迁移带来了CSS自定义属性的重新映射和更新,使其更符合最新的设计规范。
核心变更点
新增属性与变量
-
水平分割线最小宽度控制:新增了
--spectrum-divider-horizontal-minimum-width属性,允许开发者更精确地控制水平分割线的最小宽度。 -
垂直分割线最小高度控制:新增了
--spectrum-divider-vertical-minimum-height属性,用于定义垂直分割线的最小高度。 -
模块化设计变量:引入了
--mod-divider-inline-minimum-size和--mod-divider-block-minimum-size两个新的模块化变量,增强了组件在不同布局环境下的适应性。
移除的变量
本次更新移除了多个静态颜色变量,包括:
- 大型分割线的黑白静态颜色变量
- 中型分割线的黑白静态颜色变量
- 小型分割线的黑白静态颜色变量
这些移除反映了设计系统向更灵活、可配置性更强的方向发展,不再硬编码特定尺寸的静态颜色。
功能增强
-
新增最小尺寸控制:增加了最小宽度和高度token,取代了原有的
minDimensionValues参数,使尺寸控制更加直观和符合CSS标准。 -
默认尺寸变更:Storybook中的默认尺寸从原先的值变更为
medium,这是组件新的默认尺寸标准。 -
文档展示优化:现在文档中会展示所有尺寸的静态颜色变体,方便开发者参考和使用。
技术影响与迁移建议
对于正在使用旧版本Divider组件的项目,迁移时需要注意以下几点:
-
尺寸控制方式变更:原先通过
minDimensionValues参数控制的尺寸,现在需要通过新增的CSS自定义属性来实现。 -
静态颜色处理:如果项目中使用了被移除的静态颜色变量,需要调整为使用新的颜色控制方式。
-
默认值变化:注意新的
medium默认尺寸可能对现有布局产生影响,需要测试验证。 -
响应式设计:新的最小尺寸控制属性为响应式设计提供了更好的支持,开发者可以更灵活地适配不同设备。
总结
这次Spectrum CSS Divider组件的更新体现了设计系统向更模块化、更灵活的方向发展。通过引入新的CSS自定义属性和移除硬编码的静态变量,组件获得了更好的可定制性和适应性。开发者在迁移时需要注意控制方式的变更,并充分利用新特性来构建更灵活的界面布局。
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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
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