2025年Google I/O大會上,谷歌展示了一系列旨在提升開發效率與Web體驗的全新功能

??每周跟蹤AI熱點新聞動向和震撼發展 想要探索生成式人工智能的前沿進展嗎?訂閱我們的簡報,深入解析最新的技術突破、實際應用案例和未來的趨勢。與全球數同行一同,從行業內部的深度分析和實用指南中受益。不要錯過這個機會,成為AI領域的領跑者。點擊訂閱,與未來同行! 訂閱:https://rengongzhineng.io/

在2025年Google I/O大會上,谷歌展示了一系列旨在提升開發效率與Web體驗的全新功能,涵蓋從CSS輪播圖到多模態AI API等多個技術維度,全面推動現代Web開發的能力升級。以下是本次大會上最引人注目的10項更新:

1. 用CSS打造輪播圖比以往更簡單
開發者可使用Chrome 135引入的全新CSS原語——可樣式化分段、滾動標記元素與滾動按鈕——構建無需JavaScript的交互式輪播圖。這些輪播圖在頁面首次渲染即具備交互性,利用熟悉的CSS語法便能快速實現豐富、流暢且更具可訪問性的展示效果。Pinterest作為早期使用者,將代碼量從約2000行JavaScript壓縮至僅200行CSS,縮減幅度高達90%。

2. 聲明式彈出窗口:全新Interest Invoker API亮相
該實驗性API目前開放原始試用,允許開發者基于用戶興趣在短時間內觸發彈出窗口。與傳統的 [title] 屬性不同,新的 [interesttarget] 提供更強的樣式控制能力。結合Anchor Positioning API與Popover API,可以在無JavaScript的情況下構建響應式的懸浮提示、卡片等豐富交互組件。

3. 多模態Prompt API與內建AI API正式登場
以Gemini Nano為核心的內建AI模型現已支持包括Summarizer、Language Detector、Translator和Chrome擴展用Prompt API等功能,并通過Chrome 138正式發布。此外,Writer API和Rewriter API現處于試用階段。最新的Proofreader API及具備多模態能力的Prompt API已在Chrome Canary中提供預覽。Adobe將多模態Prompt API集成于其Acrobat擴展,實現了對掃描PDF的快速摘要生成和內容驗證。

4. 客戶端AI與Firebase整合,構建混合AI解決方案
通過與Firebase和Gemini Developer API合作,開發者可在移動與桌面端構建兼容多設備的AI體驗。Firebase AI Logic可調用Prompt API并通過服務端Gemini API擴展功能,實現客戶端與服務端的無縫AI協作。

5. Chrome DevTools引入AI助手輔助調試
開發者可在DevTools中與Gemini對話,協助解決樣式錯誤、性能瓶頸、網絡問題及源文件定位等常見問題。AI助手現還支持在Elements面板中直接修改源代碼樣式,大幅提升調試效率。

6. Performance面板升級:結合真實用戶數據與AI洞察
重新設計的性能面板集成了本地與真實用戶的Core Web Vitals數據,并引入Gemini助手。Insights側邊欄通過Lighthouse信息輔助開發者更快定位性能瓶頸,提升問題排查速度而不打斷工作流程。

7. Baseline功能現已集成至VS Code、ESLint等工具鏈
開發者可在熟悉的開發工具中實時查看Web API的跨瀏覽器支持情況。VS Code現支持Baseline狀態顯示,WebStorm等基于VS Code的IDE即將支持。ESLint、HTML ESLint與Stylelint也已加入Baseline規則檢查,輔助開發者避免使用不兼容特性的API。

8. Web Platform Dashboard帶來完整Web特性映射視圖
Web Platform Dashboard現已100%映射所有Web特性,包括AVIF、View Transitions等新特性,在每個主流瀏覽器上的支持情況一目了然,為開發者提供可靠依據進行特性選型與兼容性判斷。

9. Credential Manager簡化Web端登錄體驗
Chrome引入與Android Credential Manager一致的登錄體驗,用戶點擊登錄后可直接選擇來自Google密碼管理器的密碼或passkey。后續還將支持身份聯合登錄,使多種認證方式統一整合,提升用戶體驗。目前Credential Manager已開放開發者試用。

10. Chrome擴展提交流程優化:支持取消審核中版本
開發者現可取消尚在審核中的擴展版本,快速修正問題并重新提交,提升擴展迭代效率。這項改進建立在早期支持回滾已發布版本的能力之上,致力于打造更流暢的擴展發布流程。

以上更新展示了Chrome平臺在Web開發、AI集成與開發者體驗方面的全面進化。如需了解更多詳情,可訪問 developer.chrome.com 與 web.dev,并關注官方X、YouTube與LinkedIn頻道。下一屆Google I/O,敬請期待。

本文來自互聯網用戶投稿,該文觀點僅代表作者本人,不代表本站立場。本站僅提供信息存儲空間服務,不擁有所有權,不承擔相關法律責任。
如若轉載,請注明出處:http://www.pswp.cn/news/907045.shtml
繁體地址,請注明出處:http://hk.pswp.cn/news/907045.shtml
英文地址,請注明出處:http://en.pswp.cn/news/907045.shtml

如若內容造成侵權/違法違規/事實不符,請聯系多彩編程網進行投訴反饋email:809451989@qq.com,一經查實,立即刪除!

相關文章

【C++指南】string(三):basic_string底層原理與模擬實現詳解

. 💓 博客主頁:倔強的石頭的CSDN主頁 📝Gitee主頁:倔強的石頭的gitee主頁 ? 文章專欄:《C指南》 期待您的關注 文章目錄 引言一、成員變量與內存管理1.1 核心成員變量1.2 內存分配策略 二、默認成員函數的實現與優化…

AWS云與第三方通信最佳實踐:安全、高效的數據交互方案

引言 在當今的云計算時代,企業經常需要在AWS云環境中存儲和處理數據,同時還需要與第三方應用或服務進行數據交互。如何安全、高效地實現這種通信是許多企業面臨的挑戰。本文將詳細探討幾種AWS云與第三方通信的方案,并分析它們的優缺點,幫助您為自己的業務場景選擇最佳解決…

AE THYRO-AX 功率控制器 THYRISTOR-LEISTUNGSSTELLER THYRISTOR POWER CONTROLLER

AE THYRO-AX 功率控制器 THYRISTOR-LEISTUNGSSTELLER THYRISTOR POWER CONTROLLER

【論文解讀】STaR:不用人類思維鏈指導,模型可以自我進化!

1st author: Eric Zelikman paper: STaR: Bootstrapping Reasoning With Reasoning | OpenReview NeurIPS 2022 code: ezelikman/STaR: Code for STaR: Bootstrapping Reasoning With Reasoning (NeurIPS 2022) 1. 當語言模型學會自我進化 Zelikman 等人提出的 STaR (Self-T…

大語言模型 19 - MCP FastAPI-MCP 實現自己的MCP服務 快速接入API

MCP 基本介紹 官方地址: https://modelcontextprotocol.io/introduction “MCP 是一種開放協議,旨在標準化應用程序向大型語言模型(LLM)提供上下文的方式。可以把 MCP 想象成 AI 應用程序的 USB-C 接口。就像 USB-C 提供了一種…

用Matlab對單目相機參數的標定步驟(保姆級教程)

前言 在圖像測量及機器視覺應用中,為確定空間物體表面某點的三維幾何位置與其在圖像中對應點之間的相互關系,必須建立相機成像的幾何模型,這些幾何模型參數就是相機參數。 ??在大多數條件下這些參數必須通過實驗與計算才能得到&#xff…

【后端高階面經:架構篇】46、分布式架構:如何應對高并發的用戶請求

一、架構設計原則:構建可擴展的系統基石 在分布式系統中,高并發場景對架構設計提出了極高要求。 分層解耦與模塊化是應對復雜業務的核心策略,通過將系統劃分為客戶端、CDN/邊緣節點、API網關、微服務集群、緩存層和數據庫層等多個層次,實現各模塊的獨立演進與維護。 1.1 …

SQL每日一題(5)

前言:五更!五更琉璃!不對!是,五更佩可! 原始數據: new_hires reasonother_column1other_column2校園招聘信息 11社會招聘信息 22內部推薦信息 33獵頭推薦信息 44校園招聘信息 55社會招聘信息…

Kafka Kraft模式集群 + ssl

文章目錄 啟用集群資源規劃準備證書創建相關文件夾配置文件啟動各Kafka節點 故障轉移測試spring boot集成 啟用集群 配置集群時關鍵就是提前梳理好需要的網絡資源,完成對應server.properties文件的配置。在執行前先把這些梳理好,可以方便后面的配置&…

watchEffect

在處理復雜異步邏輯時,Vue 3 的 watchEffect 相比傳統的 watch 具有以下優勢: 1. 自動追蹤依賴 watchEffect 會自動收集其回調中使用的所有響應式依賴,無需手動指定監聽源: import { ref, watchEffect } from vue;const count …

Linux系統平均負載與top、uptime命令詳解

介紹 在Linux系統運維中,系統平均負載是一個重要的性能指標。通過 top和 uptime命令,可以實時監控系統的負載情況,幫助運維人員及時發現并解決系統性能問題。本文將詳細介紹Linux系統平均負載的概念及其計算方法,并深入解析 top和…

前端配置nginx代理

一、定義靜態文件的路徑的兩種方式 1. root 指令 (1)作用 指定文件系統的 基礎路徑,location 的 URI 會 追加到該路徑后 形成完整路徑。 (2)語法 location /uri/ {root /path/to/files; } (3&#xf…

語音識別技術在人工智能中的應用

姓名:成杰 學號:21021210653 學院:電子工程學院 【嵌牛導讀】 應用語音智能這項識別技術是為了使計算機可以聽懂人類的語言,并執行人類的某項操作。現階段這項技術已經成為人工智能領域的重點研究方向和實現人機語音交互的…

uniapp實現大視頻文件上傳-- 阿里云oss直傳方式 - app、H5、微信小程序

之前的項目文件上傳比較慢,使用預簽名方式上傳H5正常,微信小程序和app使用axios時出現了各種報錯,配置完后還是不行。所以換一種oss直傳方式。 找到一個 實現了的 參考:https://blog.csdn.net/qq_44860866/article/details/129670188

【Java學習筆記】抽象類

抽象類 引入關鍵字:abstract 應用場景:當子類中共有的部分 / 特性可以放到抽象類中 1. 通過子類的方法重寫實現不同的功能 2. 編寫一個方法把共有的部分放入其中,在該方法中調用抽象方法(動態綁定機制) 3. 便可以實…

EPT(Efficient Prompt Tuning)方法,旨在解決提示調優(Prompt Tuning)中效率與準確性平衡和跨任務一致性的問題

EPT(Efficient Prompt Tuning)方法,旨在解決提示調優(Prompt Tuning)中效率與準確性平衡和跨任務一致性的問題 一、核心原理:分解提示與多空間投影 1. 提示分解:用低秩矩陣壓縮長提示 傳統問題: 長提示(如100個token)精度高但訓練慢,短提示(如20個token)速度快但…

深入剖析Java中的偽共享:原理、檢測與解決方案

在高性能Java應用的開發中,尤其是多線程環境下,開發者往往會關注鎖競爭、線程調度等顯性問題,但有一個隱蔽的性能殺手——偽共享(False Sharing)?,卻容易被忽視。本文將通過原理分析、代碼案例與實戰工具&…

JMeter 教程:響應斷言

目錄 JMeter 教程:響應斷言的簡單介紹【輕松上手】 ? 什么是響應斷言? 📌 使用場景示例 🛠? 添加響應斷言步驟 1. 選中 HTTP 請求 → 右鍵 → Add → Assertions → Response Assertion 2. 設置斷言內容: ? …

11.11 TypedDict與Pydantic實戰:Python高效狀態管理秘籍

使用 TypedDict 和 Pydantic 管理狀態 關鍵詞:LangGraph 狀態管理, TypedDict 類型化字典, Pydantic 數據模型, 狀態持久化, 多輪對話設計 1. 狀態管理的核心挑戰 在復雜 AI Agent 系統中,狀態管理需要解決三個關鍵問題: #mermaid-svg-0sX3763L7VP2RvuX {font-family:&quo…

ThreadLocal線程本地變量在dubbo服務使用時候遇到的一個坑

我昨天遇到一個問題,就是我springboot項目里面有一個提供代辦服務審核的dubbo接口,這個接口給房源項目調用,但是碰到一個問題就是,房源項目每天凌晨5點會查詢滿足條件過期的數據,然后調用我這邊的代辦審核dubbo接口&am…