Oruga UI 0.10.0版本发布:组件库的重大升级与优化
项目简介
Oruga UI是一个轻量级的Vue.js组件库,以其简洁的设计和灵活的定制能力著称。它提供了丰富的UI组件,帮助开发者快速构建现代化的Web应用界面。Oruga UI遵循"无样式"的设计理念,这意味着它不强制使用特定的CSS框架,开发者可以轻松地将其与任何CSS框架(如Bootstrap、Bulma等)集成,或者自定义样式以满足项目需求。
0.10.0版本概述
Oruga UI 0.10.0版本是一次重要的更新,包含了大量组件功能的改进、API的优化以及一些破坏性变更。这个版本着重提升了组件的可访问性、用户体验和一致性,同时也简化了一些API设计。下面我们将详细介绍这次更新的主要内容。
主要变更与改进
1. 可访问性增强
在这个版本中,Oruga UI团队特别关注了组件的可访问性改进:
-
Carousel组件新增了多个ARIA相关属性,包括
ariaAutoplayPauseLabel、ariaAutoplayResumeLabel、ariaNextLabel和ariaPreviousLabel,使屏幕阅读器用户能更好地理解和使用轮播功能。 -
Datepicker和Timepicker组件增加了选择年、月、小时、分钟等操作的ARIA标签,提升了日期时间选择器的可访问性。
-
Steps和Tabs组件新增了
ariaLabel属性,为这些导航类组件提供了更好的语义化支持。
2. 组件API优化
多个组件的API进行了简化和统一:
-
Dropdown组件进行了重大重构:
- 移除了
ariaRole和menuTabindex等冗余属性 - 新增了
closeOnOutside、closeOnScroll等更直观的控制属性 - 将
scroll属性重命名为更准确的clipScroll - 增加了
selectable和selectOnClose等新功能
- 移除了
-
Menu组件进行了现代化改造:
- 使用
modelValue替代了旧的activable属性 - 新增了
options属性支持更灵活的数据驱动方式 - 改进了角色(role)和ID管理
- 使用
-
Field组件简化了属性命名,将
groupMultiline更名为更简洁的multiline
3. 模态行为改进
多个包含弹出层的组件(如Autocomplete、Datepicker、Datetimepicker等)新增了desktopModal属性,允许开发者更精细地控制在不同设备上的显示行为。这使得响应式设计更加灵活。
4. 滚动行为统一
多个组件(如Dropdown、Loading、Modal、Sidebar等)对滚动行为的控制进行了统一:
- 将原来的
scroll属性统一更名为clipScroll,使其语义更明确 - 将
noScrollClass类名统一改为scrollKeepClass,提高了命名的一致性
5. 类名系统重构
为了提供更一致的样式定制体验,多个组件的CSS类名系统进行了重构:
- Steps组件将
navClass重命名为listClass,navItemClass重命名为stepClass等,使类名更符合实际用途 - Tabs组件简化了类名结构,移除了冗余的
navTypeClass等 - Switch组件移除了多个特定类名,简化了样式系统
6. 事件系统改进
多个组件的事件系统得到了增强:
- Autocomplete组件新增了
update:active事件,提供了更细粒度的控制 - Button和MenuItem组件显式添加了
click事件,提高了API的明确性 - Dropdown组件新增了
change和open事件,增强了交互控制能力
迁移指南
对于从旧版本升级的用户,需要注意以下破坏性变更:
- Dropdown组件的
scroll属性已更名为clipScroll,需要相应更新代码 - Menu组件不再使用
activable属性,改为使用modelValue进行控制 - Steps和Tabs组件移除了
destroyOnHide属性,相关功能需要重新实现 - Table组件的
debounceSearch更名为filterDebounce,headerCheckable更名为checkableHeader - 多个组件的CSS类名发生了变化,需要检查并更新自定义样式
总结
Oruga UI 0.10.0版本是一次全面的质量提升,通过改进可访问性、统一API设计、优化组件行为,为开发者提供了更强大、更一致的开发体验。虽然包含了一些破坏性变更,但这些改动都是为了长期的可维护性和更好的用户体验。建议所有用户评估这些变更对现有项目的影响,并计划逐步升级到这个更稳定、功能更丰富的版本。
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