Primer React 37.18.0版本发布:增强分页与选择面板功能
项目简介
Primer React是GitHub设计系统Primer的React实现版本,提供了一套完整的UI组件库。作为GitHub官方维护的前端工具库,它帮助开发者快速构建符合GitHub设计规范的用户界面。最新发布的37.18.0版本带来了一系列功能增强和问题修复,特别在分页组件和选择面板方面有显著改进。
主要功能更新
分页组件增强
本次更新为Pagination组件新增了renderPage属性,这一改进让开发者能够更灵活地自定义分页按钮的渲染方式。通过这个属性,开发者可以完全控制每个页码按钮的呈现形式,无论是样式、内容还是交互行为,都能根据项目需求进行定制。
选择面板空状态支持
SelectPanel组件现在支持空状态显示,这一功能目前处于特性标志(Feature Flag)保护下。当选择面板没有可选项时,开发者可以配置特定的空状态UI,提升用户体验。这种设计模式在数据加载或过滤结果为空的场景下特别有用。
状态标签新增样式
StateLabel组件新增了open和closed两种状态的样式支持,特别针对不需要图标的场景。这一改进使得状态标签在纯文本展示时也能保持视觉一致性,丰富了组件的使用场景。
技术实现细节
组件元数据导出
本次更新新增了对@primer/react/generated/components.json的导入支持。这个JSON文件包含了组件的结构化元数据,为自动化工具和文档生成提供了便利。开发者可以利用这些元数据进行代码分析、文档生成或其他自动化处理。
对话框滚动优化
Dialog组件的页脚现在能够在非常短的视口中保持可滚动性。这一改进通过CSS调整实现,确保了在有限空间内对话框内容的可访问性。同时,对话框的压力测试故事(story)也进行了更新,使其在窄屏幕上能够全屏显示。
覆盖层定位修复
Overlay组件修复了在窄屏幕上全屏覆盖层定位的问题。这一修复确保了覆盖层在不同屏幕尺寸下都能正确定位,提升了响应式设计的可靠性。
问题修复与优化
键盘提示无障碍改进
KeybindingHint组件修复了与aria-labelledby属性结合使用时可能导致标签显示不正确的问题。这一修复针对Chrome浏览器的特定bug提供了解决方案,提升了无障碍访问体验。
页面标题字体修复
PageHeader组件现在使用font-weight: initial来匹配样式组件的样式定义,解决了字体粗细显示不一致的问题。
总结
Primer React 37.18.0版本通过新增功能和问题修复,进一步提升了组件的灵活性和稳定性。这些改进特别关注了开发者自定义需求和无障碍访问体验,体现了项目团队对细节的关注和对开发者体验的重视。对于正在使用或考虑使用Primer React的团队来说,这个版本值得关注和升级。
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