Elastic EUI 组件库中 Flyout 组件的可调节指示器优化方案
在 Elastic 的 EUI 组件库中,Flyout 组件作为侧边弹出面板,广泛应用于各类界面交互场景。近期在 Kibana Discover 模块的实际使用中发现了一个用户体验问题:当 Flyout 以 push 模式展开时,其边缘的调节指示器(resizeIndicator)会与内容区域的滚动条产生交互冲突,导致用户难以准确点击滚动条。
问题背景
Flyout 组件默认提供了边缘调节功能,允许用户通过拖动来改变面板大小。当前的实现方式是将调节指示器居中放置在面板边缘,这种设计在大多数情况下工作良好。然而,当 Flyout 以 push 模式覆盖在主要内容区域上时,调节指示器会与底层内容的滚动条区域重叠,造成操作干扰。
技术解决方案
针对这一问题,EUI 团队提出了两种优化方案:
-
调节指示器样式可选:新增
resizeIndicator属性,支持两种模式:border:当前默认模式,指示器作为边框的一部分handle:改为使用内部手柄样式,将拖动区域完全置于面板内部
-
调节按钮对齐方式调整:保持现有调节按钮功能,但增加对齐选项:
- 默认居中模式(保持现有行为)
- 边缘对齐模式(将按钮完全置于面板内部)
实现细节
从技术实现角度看,这两种方案各有特点:
-
样式切换方案:更符合 EUI 组件库现有设计语言,与 EuiResizableButton 组件保持一致性。实现上需要调整 CSS 样式和交互区域计算逻辑。
-
对齐方式方案:改动较小,主要通过调整定位逻辑实现。视觉上按钮完全内置于面板,避免了与外部元素的交互冲突。
用户体验考量
在实际应用中,特别是在类似 Kibana Discover 这样的数据密集型界面中,滚动操作的流畅性至关重要。优化后的方案应当确保:
- 调节功能不影响主要内容的浏览和操作
- 调节手柄本身保持明显的可交互性
- 在不同屏幕尺寸下保持良好的可用性
技术选型建议
对于大多数应用场景,推荐采用第一种方案(样式切换),因为:
- 与现有组件设计语言一致,降低用户学习成本
- 提供更灵活的定制能力
- 内部手柄模式能彻底解决与滚动条的冲突问题
总结
这次优化体现了 EUI 组件库对实际应用场景中细节问题的关注。通过增加调节指示器的配置选项,开发者可以根据具体应用场景选择最适合的交互方式,在保持功能完整性的同时提升用户体验。这种渐进式的改进方式也展示了成熟组件库的演化路径:在保持向后兼容的前提下,通过配置化方案解决特定场景下的用户体验问题。
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