Jasny Bootstrap 技术文档
本文档旨在帮助用户安装、使用和理解 Jasny Bootstrap 项目。以下内容将详细介绍安装指南、项目使用说明、项目API使用文档及安装方式。
1. 安装指南
Jasny Bootstrap 是著名框架 Bootstrap 的扩展，增加了以下组件：
- 按钮标签
- 侧边栏导航菜单
- 固定警告框
- 行链接
- 文件输入小部件
快速开始
以下四种快速开始选项可供选择：
- 下载最新版本：点击此处下载
- 克隆仓库：
git clone git://github.com/jasny/bootstrap.git - 使用 cdnjs
- 使用 Meteor：
meteor add jasny:bootstrap
阅读 入门页面 了解框架内容、模板和示例等信息。
包含内容
下载中包含以下目录和文件，逻辑分组常用资产，并提供编译和压缩的变体：
jasny-bootstrap/
├── css/
│ ├── jasny-bootstrap.css
│ └── jasny-bootstrap.min.css
└── js/
├── jasny-bootstrap.js
└── jasny-bootstrap.min.js
我们提供了编译的 CSS 和 JS (jasny-bootstrap.*)，以及编译和压缩的 CSS 和 JS (jasny-bootstrap.min.*)。
Jasny Bootstrap 应在原生 Bootstrap 之后加载。
2. 项目使用说明
安装完成后，您可以通过引入 CSS 和 JS 文件开始使用 Jasny Bootstrap。以下是一个基本的使用示例：
<!DOCTYPE html>
<html lang="zh-CN">
<head>
<meta charset="UTF-8">
<title>Jasny Bootstrap 示例</title>
<!-- 引入 Bootstrap CSS -->
<link rel="stylesheet" href="path/to/bootstrap.css">
<!-- 引入 Jasny Bootstrap CSS -->
<link rel="stylesheet" href="path/to/jasny-bootstrap.css">
</head>
<body>
<!-- 这里放置您的 HTML 内容 -->
<!-- 引入 Bootstrap JS -->
<script src="path/to/bootstrap.js"></script>
<!-- 引入 Jasny Bootstrap JS -->
<script src="path/to/jasny-bootstrap.js"></script>
</body>
</html>
根据您的需求，可以在 HTML 中添加相应的组件类名来使用 Jasny Bootstrap 提供的功能。
3. 项目API使用文档
Jasny Bootstrap 的 API 使用文档可以在项目的 GitHub Wiki 上找到。文档详细介绍了各个组件的用法和示例，以帮助您更好地理解和应用这些组件。
4. 项目安装方式
以下是从源代码编译和安装 Jasny Bootstrap 的步骤：
安装 Grunt
在命令行中执行以下步骤：
- 安装
grunt-cli全局：npm install -g grunt-cli - 切换到项目根目录
/bootstrap，然后运行npm install。npm 会查看package.json并自动安装列出的必要本地依赖。
完成后，您可以从命令行运行各种 Grunt 命令。
不熟悉 npm？没有安装 node？ 没关系。npm 代表 node packaged modules，是一种通过 node.js 管理开发依赖的方式。下载并安装 node.js 后继续操作。
可用的 Grunt 命令
构建 - grunt
运行 grunt 以在本地运行测试并编译 CSS 和 JavaScript 到 /dist 目录。使用 recess 和 UglifyJS。
仅编译 CSS 和 JavaScript - grunt dist
grunt dist 在 /dist 目录创建编译后的文件。使用 recess 和 UglifyJS。
测试 - grunt test
在 PhantomJS 中无头运行 JSHint 和 QUnit 测试。用于持续集成。
监听 - grunt watch
这是一个便利的方法，用于监听 Less 文件并在保存时自动构建它们。
故障排除依赖
如果在安装依赖或运行 Grunt 命令时遇到问题，请卸载所有之前的依赖版本（全局和本地），然后重新运行 npm install。
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
项目优选
kernel
flutter_flutter
pytorch
nop-entropy
ops-math
leetcode
Cangjie-Examples
ohos_react_native
RuoYi-Vue3cangjie_runtime