Spectrum CSS 7.0.0版本发布:构建Spectrum 2设计系统基础
项目简介
Spectrum CSS是Adobe开源的一套CSS框架,它为Adobe产品提供了一套完整的设计系统实现。这个框架包含了各种UI组件和设计模式的样式实现,帮助开发者快速构建符合Adobe设计规范的用户界面。
重大更新:Spectrum 2 Foundations
本次7.0.0版本的主要更新是引入了"Spectrum 2 Foundations",这是一个连接Spectrum 1(S1)和Spectrum 2(S2)设计的桥梁系统。这个更新具有以下重要特点:
-
设计系统兼容性:新版本允许开发者通过"系统"层,将组件级令牌重新映射到适当的令牌数据集,从而在S1、Express和S2设计之间切换组件外观。
-
版本依赖要求:
- 要显示S2样式,需要搭配使用
@spectrum-css/tokens的v16或更高版本 - 要显示S1或Express样式,则需要搭配使用
@spectrum-css/tokens的v14.x或v15.x版本
- 要显示S2样式,需要搭配使用
-
与Spectrum Web Components的关系:这个版本被用于Spectrum Web Components 1.x中,为Web组件提供样式支持。
文件使用指南
新版本提供了多种CSS文件选择,开发者可以根据项目需求选择适合的文件:
-
仅需S2 Foundations样式:使用
index.css文件,它包含所有基础样式和S2 Foundations的系统映射。 -
仅需S1或Express组件:使用
index-base.css加上相应的主题文件themes/(spectrum|express).css。 -
需要动态切换设计系统:加载
index-base.css和index-theme.css文件,并使用适当的上下文类:.spectrum--legacy对应S1设计.spectrum--express对应Express设计
废弃内容说明
本次更新中移除了以下内容:
-
metadata文件夹:不再包含
mods.md和metadata.json文件。组件信息现在包含在每个组件分发的dist/metadata.json文件中。 -
index-vars.css文件:这个文件已被废弃,建议使用
index.css或index-base.css替代。
技术实现细节
从技术角度看,这次更新实现了:
-
设计系统抽象层:通过引入"系统"层,将设计规范的具体实现与组件逻辑分离,提高了代码的可维护性和扩展性。
-
令牌系统升级:依赖的令牌系统升级到v16,支持更灵活的设计规范切换。
-
模块化架构:通过不同的CSS文件组合,支持多种使用场景,满足不同项目的需求。
开发者建议
对于开发者来说,升级到7.0.0版本时需要注意:
-
评估设计需求:明确项目需要支持的设计系统(S1、Express还是S2),选择合适的文件组合。
-
版本兼容性检查:确保配套的
@spectrum-css/tokens版本符合要求。 -
迁移计划:如果项目中使用到了废弃的metadata或index-vars.css,需要制定相应的迁移计划。
-
测试验证:特别是在动态切换设计系统的场景下,需要充分测试各组件在不同设计系统下的表现。
这次更新为Spectrum CSS带来了更强大的设计系统支持能力,为未来的设计演进奠定了坚实的基础,同时也保持了与现有项目的兼容性。
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