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
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
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
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