Code Hike项目中Scrollycoding组件嵌套其他标签的实现方法
在Code Hike项目中,Scrollycoding组件是一个非常实用的功能,它允许开发者在滚动页面时动态展示代码变化。然而,当我们需要在Scrollycoding组件中嵌套使用其他自定义标签(如CodeWithTooltips或CodeSwitcher)时,会遇到一些技术挑战。
问题背景
开发者Windsooon尝试在Scrollycoding组件内部使用CodeWithTooltips标签时遇到了错误提示:"Error for code: Required"。这个问题的根源在于Scrollycoding组件默认期望接收一个代码块对象,而CodeWithTooltips返回的是一个React组件。
解决方案探索
初始尝试
Windsooon首先尝试通过修改Schema来扩展Scrollycoding的解析能力:
const Schema = Block.extend({
steps: z.array(
Block.extend({
sticker: Block.extend({
code: CodeBlock,
tooltips: z.array(Block).optional(),
})
})),
})
然而,这种方法仍然无法正确解析嵌套的组件结构,因为Schema的层级关系没有正确匹配实际的MDX结构。
正确实现方式
经过项目维护者pomber的指导,正确的解决方案是简化Schema结构,将sticker定义为基本的Block类型:
const Schema = Block.extend({
steps: z.array(Block.extend({sticker: Block})),
})
然后在渲染时直接使用step.sticker.children来渲染嵌套组件的内容:
<Selection
from={steps.map((step) => (
step.sticker.children
))}
/>
这种方法保留了嵌套组件的完整功能,同时避免了Schema解析的复杂性。
样式调整技巧
在实现过程中,Windsooon还发现了一个样式相关的问题:token-transitions处理器会为Token添加display: inline-block样式,这会影响tooltip的下划线效果。解决方案是在tooltip处理器中显式添加border样式:
export const tooltip: AnnotationHandler = {
name: "tooltip",
Inline: ({ children, annotation }) => {
return (
<TooltipProvider>
<Tooltip>
<TooltipTrigger
className="underline decoration-dashed"
style={{ borderBottom: "1px dashed black" }}
>
{children}
</TooltipTrigger>
{/* ... */}
</Tooltip>
</TooltipProvider>
)
},
}
最佳实践建议
-
保持Schema简洁:当需要在Scrollycoding中嵌套其他组件时,尽量使用基本的Block类型,避免过度定义Schema结构。
-
组件解耦:将功能性的组件(如CodeWithTooltips)设计为独立的单元,通过children属性与父组件交互。
-
样式覆盖:当遇到内置样式冲突时,优先考虑使用更具体的样式规则来覆盖默认行为。
-
文档贡献:考虑将这种嵌套组件的使用方式添加到项目文档中,帮助其他开发者避免类似问题。
通过这种方法,开发者可以灵活地在Scrollycoding组件中集成各种自定义功能,同时保持代码的清晰和可维护性。
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-1.5暂无简介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-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