Parcel Plugin for Web Extension: 从零搭建指南
1. 目录结构及介绍
在使用parcel-plugin-web-extension时,一个典型的项目目录可能包括以下几个关键部分:
-
src: 这是主要的源代码目录,存放所有的JavaScript、HTML、CSS文件以及Web扩展的其他资源。例如,可能包含
manifest.json作为入口点,背景脚本(background scripts)、内容脚本(content scripts)等。 -
manifest.json: 位于
src目录下或根目录,这是Web扩展的核心配置文件,描述了扩展的功能、权限需求、图标和其他元数据。 -
public: 如果有静态资源需要被公共访问,如图片或样式文件,通常会放置在这里,并通过
web_accessible_resources配置使其可访问。 -
src/background: 包含扩展的后台脚本文件夹,如果有的话。
-
src/content-scripts: 存放用于注入到目标网页的内容脚本。
-
.parcelrc 或者相关配置文件: 可能包含特定于Parcel的配置,比如指定使用
parcel-plugin-web-extension。 -
package.json: 包含了项目的元数据,以及npm/yarn脚本,如启动命令和依赖信息。
2. 项目的启动文件介绍
在基于parcel-plugin-web-extension的项目中,主要的启动文件并非传统意义上的单一“启动”文件,而是manifest.json。这个文件告诉浏览器扩展的基本信息和配置。你通过以下方式启动项目:
npm run start 或者 yarn start
这背后的逻辑由package.json中的脚本定义,它通常调用Parcel来监视并自动打包你的应用,确保开发过程中的快速反馈循环。
3. 项目的配置文件介绍
(a) manifest.json
- 核心配置: 定义扩展的名称、版本、所需权限、脚本位置、图标等。对于MV3架构,还需关注服务工作者的配置。
(b) .parcelrc 或 Parcel 配置
虽然不是项目强制要求的,但通过创建.parcelrc,你可以指定parcel-plugin-web-extension为构建插件,确保Parcel处理Web扩展项目时遵循特定规则,例如:
{
"extends": "@parcel/config-web-extension"
}
或者在package.json里指定Parcel配置:
{
"parcelConfig": {
"extends": "@parcel/config-web-extension"
}
}
这一步简化了配置流程,确保插件正确集成。
(c) package.json
这里的配置主要是定义项目的依赖、脚本命令等。对于启动和构建流程来说至关重要:
{
"scripts": {
"start": "parcel serve src/manifest.json",
"build": "parcel build src/manifest.json"
},
"devDependencies": {
"parcel-plugin-web-extension": "^版本号"
}
}
在实际文档撰写过程中,还需详细解释每部分的作用,以及如何根据项目需求调整这些配置。此外,指导如何处理环境变量、配置多环境设置(如manifest.development.json与生产环境的区别),以及如何优化资源加载和测试流程也是不可或缺的一部分。
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