Spectrum CSS Stepper组件v7.0.0重大更新解析
2025-07-04 04:37:10作者:邵娇湘
项目背景
Spectrum CSS是Adobe公司开源的一套设计系统CSS实现,它为Web应用提供了一套完整的UI组件库和设计规范。这套系统广泛应用于Adobe系列产品中,确保了跨产品线的一致用户体验。Spectrum CSS采用模块化设计,每个UI组件都作为独立包发布,方便开发者按需引入。
Stepper组件v7.0.0核心变更
本次发布的Stepper组件v7.0.0版本是一个重大更新,主要实现了Spectrum 1(S1)和Spectrum 2(S2)设计规范之间的桥梁功能。这一版本被命名为"Spectrum 2 Foundations",它并不是一个完整的S2组件迁移,而是通过系统层级的重构,使组件能够在S1、Express和S2三种设计语言之间灵活切换。
设计系统兼容性机制
新版本引入了一个创新的"系统层"概念,通过重新映射组件级别的设计标记(token)来实现不同设计规范之间的切换。这种机制使得开发者可以:
- 使用v16或更高版本的@spectrum-css/tokens来呈现S2设计风格
- 使用v14.x或v15.x版本的@spectrum-css/tokens来保持S1或Express设计风格
这种设计特别适合那些需要逐步迁移到S2设计系统的项目,目前已被Spectrum Web Components 1.x采用。
文件结构调整
新版本对组件文件结构进行了优化:
- 移除了metadata文件夹及其内容(mods.md和metadata.json),相关组件信息现在统一存放在dist/metadata.json中
- 移除了已废弃的index-vars.css文件,建议使用index.css或index-base.css替代
文件使用策略
开发者可以根据项目需求选择不同的引入方式:
- 如果只需要S2 Foundations样式,直接引入index.css
- 如果只需要S1或Express样式,引入index-base.css加上对应的主题文件(themes/spectrum.css或themes/express.css)
- 如果需要动态切换设计风格,引入index-base.css和index-theme.css,并通过添加.spectrum--legacy(S1)或.spectrum--express(Express)类名来切换
技术实现细节
这一版本的实现依赖于多个底层组件的协同更新:
- 使用了@spectrum-css/tokens v16.0.0提供的新设计标记系统
- 集成了更新后的@spectrum-css/infieldbutton v6.0.0组件
- 依赖@spectrum-css/actionbutton v7.0.0提供按钮交互支持
- 结合@spectrum-css/textfield v8.0.0实现输入功能
- 使用@spectrum-css/icon v9.0.0提供图标支持
开发者建议
对于正在评估设计系统迁移的团队,这一版本提供了很好的过渡方案。需要注意的是:
- 如果需要完整的S2设计实现,建议等待next标签的发布版本
- 在迁移过程中,务必注意各依赖组件的版本兼容性
- 动态切换设计风格的功能为A/B测试和多主题支持提供了便利
这一更新体现了Spectrum CSS项目对设计系统演进和开发者体验的持续关注,为大型项目的设计迁移提供了平滑的过渡路径。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-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
最新内容推荐
电脑PC网易云音乐免安装皮肤插件使用指南:个性化音乐播放体验 开源电子设计自动化利器:KiCad EDA全方位使用指南 Jetson TX2开发板官方资源完全指南:从入门到精通 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 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 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 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 Python案例资源下载 - 从入门到精通的完整项目代码合集 2022美赛A题优秀论文深度解析:自行车功率分配建模的成功方法 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
245
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
672
157
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++
662
312
React Native鸿蒙化仓库
JavaScript
262
322
🔥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
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
860
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218