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。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00