Preact CLI 使用教程
1. 项目介绍
Preact CLI 是一个用于快速启动 Preact 渐进式 Web 应用(PWA)的命令行工具。它能够在 30 秒内生成一个具备 100/100 Lighthouse 评分的 PWA 项目。Preact CLI 提供了自动代码拆分、服务工作线程生成、PRPL 模式支持等功能,使得开发者能够快速构建高性能的 Web 应用。
然而,需要注意的是,Preact CLI 目前已经不再进行活跃开发,但它仍然是稳定的,适用于现有的应用。对于新项目,推荐使用 Vite 通过 create-preact 来创建。
2. 项目快速启动
安装 Preact CLI
首先,你需要安装 Preact CLI。你可以使用 npm 或 yarn 来安装:
npm install -g preact-cli
# 或者
yarn global add preact-cli
创建新项目
安装完成后,你可以使用以下命令来创建一个新的 Preact 项目:
preact create default my-project
这条命令会从 preactjs-templates/default 模板中拉取代码,并在 ./my-project/ 目录下生成项目。
启动开发服务器
进入项目目录并启动开发服务器:
cd my-project
npm run dev
# 或者
yarn dev
开发服务器启动后,你可以在浏览器中访问 http://localhost:8080 来查看你的应用。
构建生产版本
当你准备好发布应用时,可以使用以下命令来构建生产版本:
npm run build
# 或者
yarn build
构建完成后,生产版本会生成在 build 目录中。
3. 应用案例和最佳实践
应用案例
Preact CLI 适用于需要快速构建高性能 PWA 的场景。例如,你可以使用 Preact CLI 来创建一个新闻阅读应用、博客平台或电子商务网站。由于 Preact CLI 提供了自动代码拆分和服务工作线程生成,这些应用在加载速度和离线体验方面都会有显著提升。
最佳实践
-
使用 CSS 预处理器:Preact CLI 支持 SASS 和 LESS 等 CSS 预处理器。你可以通过安装相应的依赖包来使用这些预处理器:
npm install --save-dev sass sass-loader@10 # 或者 npm install --save-dev less less-loader@7然后,将
.css文件替换为.scss或.less文件。 -
环境变量:你可以使用环境变量来配置应用的行为。Preact CLI 会自动处理以
PREACT_APP_为前缀的环境变量。你可以在项目根目录下创建一个.env文件来定义这些变量:PREACT_APP_MY_VARIABLE="my-value" -
自定义配置:如果你需要自定义 Webpack 或 Babel 配置,可以创建一个
preact.config.js文件,并在其中进行配置。例如:export default (config, env, helpers, options) => { // 在这里修改配置 };
4. 典型生态项目
Preact
Preact 是一个轻量级的 React 替代品,体积只有 3KB,但提供了与 React 几乎相同的 API。Preact CLI 是基于 Preact 构建的,因此它们之间有很好的兼容性。
Vite
由于 Preact CLI 不再进行活跃开发,推荐使用 Vite 来创建新的 Preact 项目。Vite 是一个现代化的前端构建工具,提供了快速的开发服务器和高效的构建过程。
Workbox
Workbox 是一个用于生成服务工作线程的库,Preact CLI 使用 Workbox 来实现离线缓存和 PWA 功能。你可以通过 Workbox 进一步定制服务工作线程的行为。
Babel 和 Webpack
Preact CLI 内置了 Babel 和 Webpack,用于处理 JavaScript 和 CSS 的编译和打包。你可以通过自定义配置来扩展这些工具的功能。
通过以上步骤,你可以快速上手并使用 Preact CLI 构建高性能的 PWA 应用。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00