新闻详情

新闻详情

首页 / 资讯中心 / 详情

滚出屏幕即冻结、减弱动效用户看静态帧:thinking-orbs藏在Canvas加载动画里的无障碍与性能最佳实践

发布时间:2026/11/17 12:09:14来源:尧图网络
滚出屏幕即冻结、减弱动效用户看静态帧:thinking-orbs藏在Canvas加载动画里的无障碍与性能最佳实践
滚出屏幕即冻结、减弱动效用户看静态帧thinking-orbs藏在Canvas加载动画里的无障碍与性能最佳实践【免费下载链接】thinking-orbsDotted thought-orb loading indicators for AI agent UIs, 9 tuned types, two sizes, auto dark/light项目地址: https://gitcode.com/gh_mirrors/th/thinking-orbsthinking-orbs 是一个专为 AI 与 Agent 界面打造的 Canvas 加载动画组件它用纯 2D canvas 绘制 9 种手工调优的思考光球动效提供 64px 与 20px 两档独立调参的尺寸并自动适配深色/浅色主题。除了好看它更值得学习的地方在于细节工程——滚出屏幕自动冻结动画、尊重系统减弱动态效果设置、所有实例共享同一时钟、DPR 封顶等无障碍与性能最佳实践。这篇文章带你逐个拆解这些藏在代码里的设计。为什么一个小小的加载动画值得讲究性能聊天界面里常见的做法是一个 GIF 或者 CSS 动画一直转、一直消耗帧率。当页面里同时挂着十几个 AI 会话状态时这些看不见的动画仍在持续跑着requestAnimationFrame白白吃掉主线程和 GPU。thinking-orbs 的解法很朴素看不见的动画不跑。❄️滚出屏幕即冻结组件内部用IntersectionObserver监听自身是否在视口内。滚出屏幕的瞬间立刻cancelAnimationFrame滚回来再恢复标签页切到后台visibilitychange同样暂停。实现就藏在这几十行里src/ThinkingOrb.tsxconst io new IntersectionObserver(([entry]) { visible entry.isIntersecting; if (visible document.visibilityState ! hidden) start(); else stop(); }); io?.observe(canvas);⚡️共享时钟所有实例同相位恢复更巧妙的一点每个实例虽然有各自的 rAF 循环但时间戳统一取自performance.now()而不是各自的局部计时器。这意味着冻结再恢复时所有光球依然同相位——不会出现滚回来之后各转各的违和感。时钟与循环的衔接逻辑见时钟与帧函数src/ThinkingOrb.tsxstart/stop 控制src/ThinkingOrb.tsx减弱动效用户看静态帧prefers-reduced-motion 的正确打开方式♿️ 不少动效组件对减弱动态效果设置的处理是干脆渲染一个空白或纯色圆点。thinking-orbs 的做法更讲究——渲染一帧确定性的代表帧通过matchMedia((prefers-reduced-motion: reduce))实时订阅系统偏好用户中途切换也能即时响应见 src/theme.ts命中该偏好时不调度任何动画循环只调用一次绘制函数frame(0.6)停在光球最有辨识度的那一刻见 src/ThinkingOrb.tsx这个0.6并非随意取值——它恰好是项目回归测试工具采用的第一组冻结时间戳FREEZE_TIMES [0.6, 1.7, 3.3, 5.1]说明代表帧是经过跨状态、跨尺寸验证过的构图时刻见 demo/parity.ts。静态帧还会继续跟随实时主题变化深浅色切换不会失效。低端设备友好只用最便宜的 2D 绘制性能预算的第二层花在绘制管线上。项目在 src/engine/core.ts 的注释里写得很直白Plain 2D canvas fills only: no ctx.filter, no SVG filters, no WebGL — every mode renders identically in Chrome, Safari and Firefox.无 WebGL、无滤镜深度感完全靠点的大小和墨色深浅表达src/engine/core.ts三大浏览器像素级一致低端设备上成本极低DPR 封顶 2Math.min(2, devicePixelRatio)避免 3x 屏幕上把 64px 画布开到 192px 的浪费见 src/ThinkingOrb.tsx预设速度是烘焙好的9 种状态 × 2 档尺寸各自有独立的速度、点数、点径调参渲染循环里只乘一个系数无运行时开销见 src/presets.ts无障碍不只是动效降级 屏幕阅读器用户需要的不是动画而是语义。组件在 src/ThinkingOrb.tsx 里给 canvas 挂了roleimg并按状态内置了 9 个默认aria-label如 searching 对应 Searching…见 src/ThinkingOrb.tsx同时支持aria-label属性覆盖让开发者可以写更贴业务的描述。快速上手安装与最小用法都很轻npm install thinking-orbsimport { ThinkingOrb } from thinking-orbs; ThinkingOrb statesearching size{64} /theme默认auto会自动读取祖先节点的data-theme/dark/light类名与系统深浅色全程零配置。更多属性speed、paused、aria-label等可参考 src/types.ts。小结把看不见的工程做好实践用户收益IntersectionObserver 滚出即冻结后台标签更省电、帧率更稳共享时钟performance.now()恢复动画时所有实例同相位prefers-reduced-motion 静态代表帧前庭障碍用户不晕、信息仍在纯 2D DPR 封顶 2低端设备、高分屏成本可控roleimg 状态化 aria-label屏幕阅读器能读懂它在做什么一个 64px 的加载动画藏着完整的无障碍与性能思维。如果你想在自己的 Canvas 组件里复刻这些做法thinking-orbs 的 src/ThinkingOrb.tsx 与 src/theme.ts 是值得逐行阅读的轻量范本。【免费下载链接】thinking-orbsDotted thought-orb loading indicators for AI agent UIs, 9 tuned types, two sizes, auto dark/light项目地址: https://gitcode.com/gh_mirrors/th/thinking-orbs创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/17 7:04:08

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/17 5:42:44

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/16 19:23:38

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/17 6:55:04

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/17 5:57:47

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/16 17:28:18

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉