2025年Google I/O大会上,谷歌展示了一系列旨在提升开发效率与Web体验的全新功能

  每周跟踪AI热点新闻动向和震撼发展 想要探索生成式人工智能的前沿进展吗?订阅我们的简报,深入解析最新的技术突破、实际应用案例和未来的趋势。与全球数同行一同,从行业内部的深度分析和实用指南中受益。不要错过这个机会,成为AI领域的领跑者。点击订阅,与未来同行! 订阅:https://rengongzhineng.io/

在2025年Google I/O大会上,谷歌展示了一系列旨在提升开发效率与Web体验的全新功能,涵盖从CSS轮播图到多模态AI API等多个技术维度,全面推动现代Web开发的能力升级。以下是本次大会上最引人注目的10项更新:

1. 用CSS打造轮播图比以往更简单
开发者可使用Chrome 135引入的全新CSS原语——可样式化分段、滚动标记元素与滚动按钮——构建无需JavaScript的交互式轮播图。这些轮播图在页面首次渲染即具备交互性,利用熟悉的CSS语法便能快速实现丰富、流畅且更具可访问性的展示效果。Pinterest作为早期使用者,将代码量从约2000行JavaScript压缩至仅200行CSS,缩减幅度高达90%。

2. 声明式弹出窗口:全新Interest Invoker API亮相
该实验性API目前开放原始试用,允许开发者基于用户兴趣在短时间内触发弹出窗口。与传统的 [title] 属性不同,新的 [interesttarget] 提供更强的样式控制能力。结合Anchor Positioning API与Popover API,可以在无JavaScript的情况下构建响应式的悬浮提示、卡片等丰富交互组件。

3. 多模态Prompt API与内建AI API正式登场
以Gemini Nano为核心的内建AI模型现已支持包括Summarizer、Language Detector、Translator和Chrome扩展用Prompt API等功能,并通过Chrome 138正式发布。此外,Writer API和Rewriter API现处于试用阶段。最新的Proofreader API及具备多模态能力的Prompt API已在Chrome Canary中提供预览。Adobe将多模态Prompt API集成于其Acrobat扩展,实现了对扫描PDF的快速摘要生成和内容验证。

4. 客户端AI与Firebase整合,构建混合AI解决方案
通过与Firebase和Gemini Developer API合作,开发者可在移动与桌面端构建兼容多设备的AI体验。Firebase AI Logic可调用Prompt API并通过服务端Gemini API扩展功能,实现客户端与服务端的无缝AI协作。

5. Chrome DevTools引入AI助手辅助调试
开发者可在DevTools中与Gemini对话,协助解决样式错误、性能瓶颈、网络问题及源文件定位等常见问题。AI助手现还支持在Elements面板中直接修改源代码样式,大幅提升调试效率。

6. Performance面板升级:结合真实用户数据与AI洞察
重新设计的性能面板集成了本地与真实用户的Core Web Vitals数据,并引入Gemini助手。Insights侧边栏通过Lighthouse信息辅助开发者更快定位性能瓶颈,提升问题排查速度而不打断工作流程。

7. Baseline功能现已集成至VS Code、ESLint等工具链
开发者可在熟悉的开发工具中实时查看Web API的跨浏览器支持情况。VS Code现支持Baseline状态显示,WebStorm等基于VS Code的IDE即将支持。ESLint、HTML ESLint与Stylelint也已加入Baseline规则检查,辅助开发者避免使用不兼容特性的API。

8. Web Platform Dashboard带来完整Web特性映射视图
Web Platform Dashboard现已100%映射所有Web特性,包括AVIF、View Transitions等新特性,在每个主流浏览器上的支持情况一目了然,为开发者提供可靠依据进行特性选型与兼容性判断。

9. Credential Manager简化Web端登录体验
Chrome引入与Android Credential Manager一致的登录体验,用户点击登录后可直接选择来自Google密码管理器的密码或passkey。后续还将支持身份联合登录,使多种认证方式统一整合,提升用户体验。目前Credential Manager已开放开发者试用。

10. Chrome扩展提交流程优化:支持取消审核中版本
开发者现可取消尚在审核中的扩展版本,快速修正问题并重新提交,提升扩展迭代效率。这项改进建立在早期支持回滚已发布版本的能力之上,致力于打造更流畅的扩展发布流程。

以上更新展示了Chrome平台在Web开发、AI集成与开发者体验方面的全面进化。如需了解更多详情,可访问 developer.chrome.com 与 web.dev,并关注官方X、YouTube与LinkedIn频道。下一届Google I/O,敬请期待。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.pswp.cn/news/907045.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

【C++指南】string(三):basic_string底层原理与模拟实现详解

. 💓 博客主页:倔强的石头的CSDN主页 📝Gitee主页:倔强的石头的gitee主页 ⏩ 文章专栏:《C指南》 期待您的关注 文章目录 引言一、成员变量与内存管理1.1 核心成员变量1.2 内存分配策略 二、默认成员函数的实现与优化…

AWS云与第三方通信最佳实践:安全、高效的数据交互方案

引言 在当今的云计算时代,企业经常需要在AWS云环境中存储和处理数据,同时还需要与第三方应用或服务进行数据交互。如何安全、高效地实现这种通信是许多企业面临的挑战。本文将详细探讨几种AWS云与第三方通信的方案,并分析它们的优缺点,帮助您为自己的业务场景选择最佳解决…

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

【论文解读】STaR:不用人类思维链指导,模型可以自我进化!

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. 当语言模型学会自我进化 Zelikman 等人提出的 STaR (Self-T…

大语言模型 19 - MCP FastAPI-MCP 实现自己的MCP服务 快速接入API

MCP 基本介绍 官方地址: https://modelcontextprotocol.io/introduction “MCP 是一种开放协议,旨在标准化应用程序向大型语言模型(LLM)提供上下文的方式。可以把 MCP 想象成 AI 应用程序的 USB-C 接口。就像 USB-C 提供了一种…

用Matlab对单目相机参数的标定步骤(保姆级教程)

前言 在图像测量及机器视觉应用中,为确定空间物体表面某点的三维几何位置与其在图像中对应点之间的相互关系,必须建立相机成像的几何模型,这些几何模型参数就是相机参数。   在大多数条件下这些参数必须通过实验与计算才能得到&#xff…

【后端高阶面经:架构篇】46、分布式架构:如何应对高并发的用户请求

一、架构设计原则:构建可扩展的系统基石 在分布式系统中,高并发场景对架构设计提出了极高要求。 分层解耦与模块化是应对复杂业务的核心策略,通过将系统划分为客户端、CDN/边缘节点、API网关、微服务集群、缓存层和数据库层等多个层次,实现各模块的独立演进与维护。 1.1 …

SQL每日一题(5)

前言:五更!五更琉璃!不对!是,五更佩可! 原始数据: new_hires reasonother_column1other_column2校园招聘信息 11社会招聘信息 22内部推荐信息 33猎头推荐信息 44校园招聘信息 55社会招聘信息…

Kafka Kraft模式集群 + ssl

文章目录 启用集群资源规划准备证书创建相关文件夹配置文件启动各Kafka节点 故障转移测试spring boot集成 启用集群 配置集群时关键就是提前梳理好需要的网络资源,完成对应server.properties文件的配置。在执行前先把这些梳理好,可以方便后面的配置&…

watchEffect

在处理复杂异步逻辑时,Vue 3 的 watchEffect 相比传统的 watch 具有以下优势: 1. 自动追踪依赖 watchEffect 会自动收集其回调中使用的所有响应式依赖,无需手动指定监听源: import { ref, watchEffect } from vue;const count …

Linux系统平均负载与top、uptime命令详解

介绍 在Linux系统运维中,系统平均负载是一个重要的性能指标。通过 top和 uptime命令,可以实时监控系统的负载情况,帮助运维人员及时发现并解决系统性能问题。本文将详细介绍Linux系统平均负载的概念及其计算方法,并深入解析 top和…

前端配置nginx代理

一、定义静态文件的路径的两种方式 1. root 指令 (1)作用 指定文件系统的 基础路径,location 的 URI 会 追加到该路径后 形成完整路径。 (2)语法 location /uri/ {root /path/to/files; } (3&#xf…

语音识别技术在人工智能中的应用

姓名:成杰 学号:21021210653 学院:电子工程学院 【嵌牛导读】 应用语音智能这项识别技术是为了使计算机可以听懂人类的语言,并执行人类的某项操作。现阶段这项技术已经成为人工智能领域的重点研究方向和实现人机语音交互的…

uniapp实现大视频文件上传-- 阿里云oss直传方式 - app、H5、微信小程序

之前的项目文件上传比较慢,使用预签名方式上传H5正常,微信小程序和app使用axios时出现了各种报错,配置完后还是不行。所以换一种oss直传方式。 找到一个 实现了的 参考:https://blog.csdn.net/qq_44860866/article/details/129670188

【Java学习笔记】抽象类

抽象类 引入关键字:abstract 应用场景:当子类中共有的部分 / 特性可以放到抽象类中 1. 通过子类的方法重写实现不同的功能 2. 编写一个方法把共有的部分放入其中,在该方法中调用抽象方法(动态绑定机制) 3. 便可以实…

EPT(Efficient Prompt Tuning)方法,旨在解决提示调优(Prompt Tuning)中效率与准确性平衡和跨任务一致性的问题

EPT(Efficient Prompt Tuning)方法,旨在解决提示调优(Prompt Tuning)中效率与准确性平衡和跨任务一致性的问题 一、核心原理:分解提示与多空间投影 1. 提示分解:用低秩矩阵压缩长提示 传统问题: 长提示(如100个token)精度高但训练慢,短提示(如20个token)速度快但…

深入剖析Java中的伪共享:原理、检测与解决方案

在高性能Java应用的开发中,尤其是多线程环境下,开发者往往会关注锁竞争、线程调度等显性问题,但有一个隐蔽的性能杀手——伪共享(False Sharing)​,却容易被忽视。本文将通过原理分析、代码案例与实战工具&…

JMeter 教程:响应断言

目录 JMeter 教程:响应断言的简单介绍【轻松上手】 ✅ 什么是响应断言? 📌 使用场景示例 🛠️ 添加响应断言步骤 1. 选中 HTTP 请求 → 右键 → Add → Assertions → Response Assertion 2. 设置断言内容: ✅ …

11.11 TypedDict与Pydantic实战:Python高效状态管理秘籍

使用 TypedDict 和 Pydantic 管理状态 关键词:LangGraph 状态管理, TypedDict 类型化字典, Pydantic 数据模型, 状态持久化, 多轮对话设计 1. 状态管理的核心挑战 在复杂 AI Agent 系统中,状态管理需要解决三个关键问题: #mermaid-svg-0sX3763L7VP2RvuX {font-family:&quo…

ThreadLocal线程本地变量在dubbo服务使用时候遇到的一个坑

我昨天遇到一个问题,就是我springboot项目里面有一个提供代办服务审核的dubbo接口,这个接口给房源项目调用,但是碰到一个问题就是,房源项目每天凌晨5点会查询满足条件过期的数据,然后调用我这边的代办审核dubbo接口&am…