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。
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-7BSpark-Prover-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
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-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00