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。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-X1-7BSpark-Prover-X1-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer-X1-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile015
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00