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。
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