探索 Sheets:一款强大的 Compose Multiplatform 底部弹窗组件
在现代应用开发中,底部弹窗(Bottom Sheet)已经成为一种常见的用户交互方式。然而,现有的解决方案往往无法满足所有需求。今天,我们将介绍一款名为 Sheets 的开源项目,它为 Compose Multiplatform 提供了一个功能丰富的底部弹窗组件,支持 Android、Desktop 和 Web(wasmJs)平台。
项目介绍
Sheets 是一个专为 Compose Multiplatform 设计的底部弹窗组件,旨在提供比现有解决方案(如 ModalBottomSheetLayout 和 ModalBottomSheet)更丰富的功能和更高的灵活性。无论你是开发 Android、Desktop 还是 Web 应用,Sheets 都能为你提供一致的体验。
项目技术分析
多平台支持
Sheets 支持以下平台:
- Android:适用于移动端应用开发。
- Desktop:适用于桌面应用开发。
- Web (wasmJs):适用于 Web 应用开发。
功能亮点
- Peek 支持:允许用户在弹窗未完全展开时预览内容,提升用户体验。
- 自定义动画:支持多种动画效果,满足不同场景的需求。
- 可拦截状态:开发者可以拦截状态变化,实现更复杂的交互逻辑。
- 键盘适配:确保底部弹窗在键盘弹出时仍能正常显示。
- Material 2 和 Material 3 支持:轻松切换 Material 设计风格。
- 窗口控制:自定义系统栏颜色和对话框属性。
- 嵌入式弹窗:支持将弹窗嵌入当前布局层次结构中。
- 可监听的拖动进度:方便实现与拖动手势同步的动画效果。
项目及技术应用场景
Sheets 适用于各种需要底部弹窗的场景,例如:
- 设置页面:用户可以通过底部弹窗快速访问和修改设置。
- 内容选择:在应用内选择文件、图片或其他内容时,底部弹窗可以提供更直观的操作界面。
- 表单输入:在移动设备上,底部弹窗可以作为表单输入的容器,确保用户输入的内容始终可见。
- 通知和提示:通过底部弹窗向用户展示重要信息或操作提示。
项目特点
1. 高度可定制
Sheets 提供了丰富的 API,允许开发者根据需求定制底部弹窗的外观和行为。无论是动画效果、状态拦截还是窗口属性,Sheets 都能满足你的需求。
2. 跨平台一致性
无论你是在开发 Android、Desktop 还是 Web 应用,Sheets 都能提供一致的底部弹窗体验。开发者无需为不同平台编写不同的代码,节省了大量的开发时间和精力。
3. 社区支持
Sheets 是一个开源项目,欢迎开发者贡献代码和提出建议。如果你有任何需求或发现了 bug,可以通过 GitHub 提交 issue 或 pull request,共同完善这个项目。
4. 简单易用
Sheets 的 API 设计简洁明了,即使是初学者也能快速上手。通过简单的配置,你就可以创建一个功能强大的底部弹窗。
结语
Sheets 是一个功能强大且易于使用的底部弹窗组件,适用于 Compose Multiplatform 开发。无论你是个人开发者还是团队,Sheets 都能帮助你提升应用的用户体验。赶快尝试一下吧!
在线演示:Sheets Online Demo
kernelopenEuler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。C031
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