Ruby Stylus 技术文档
本文档将详细介绍如何安装、使用 Ruby Stylus 项目,以及如何使用其 API。以下是项目的主要组成部分:
1. 安装指南
首先,确保您的系统已安装 Node.js。以下是 Ruby Stylus 的安装方法:
-
如果您有
Gemfile,请添加以下代码:gem 'stylus' -
或者,直接在系统中安装:
gem install stylus
ruby-stylus-source 包含 Stylus 源码,作为本项目的依赖项一同安装。ruby-stylus-source 的版本与 Stylus 版本保持一致。
请注意,您仍需要在运行环境中提供 node 命令。本项目还兼容 Heroku Cedar 环境,可以在应用部署期间编译资源。
2. 项目使用说明
Ruby Stylus 通过 Stylus 模块进行交互,您可以编译 Stylus 语法到 CSS,将 CSS 转换回 Stylus,启用插件,以及其他选项:
require 'stylus'
# 接受原始字符串或 IO 对象(如 File、StringIO 或任何响应 'read' 方法的对象)。
Stylus.compile(File.new('application.styl')) # 返回编译后的样式表。
# 使用 :compress 选项,从代码中删除大多数换行符。
Stylus.compile(File.read('application.styl'), compress: true)
# 或者设置全局压缩标志
Stylus.compress = true
Stylus.compile(File.read('application.styl'))
# 将过时的 CSS 转换为出色的 Stylus。
Stylus.convert(File.new('file.css'))
# 直接从 Node.js 导入插件,如 nib。
Stylus.use :nib
# 启用调试信息,将 'linenos' 和 'firebug' 选项发送到 Stylus。
# 如果您向 `Stylus.compile` 方法提供原始内容字符串,请记住发送一个 `:filename` 选项,
# 以便 Stylus 可以定位您的样式表进行正确的检查。
Stylus.debug = true
在 Rails 和资产管道中使用的说明
将 stylus 添加到您的 Gemfile 中后,您可以使用 Rails 3.1 管道处理 .styl 文件。使用 rails generate 生成的任何资源都将具有 .css.styl 扩展名。
任何 @import 指令都将添加样式表作为 sprockets 依赖项,因此当您更新外部库时,它将反映在您的资源指纹上。此外,sprockets 载入路径(通常是 app/assets、lib/assets、vendor/assets 和任何其他 gem 内的 assets 文件夹)将可用于您的样式表。
如果 config.assets.debug 被打开,Stylus 将在您的样式表中输出额外的注释以帮助调试和检查,使用 linenos 和 firebug 选项。查看 FireStylus Firebug 扩展 了解更多信息。
请注意,在默认的 Rails 项目中,您应该删除 sass-rails gem。这个 gem 包括了 tilt gem,这是资产管道所需的,因此您也应该单独添加这个 gem。
# gem 'sass-rails'
gem 'tilt'
对于在部署期间(例如 Heroku)编译资源,您还需要启用/添加 rubyracer gem。
# 请查阅 https://github.com/rails/execjs#readme 了解更多支持的运行时
gem 'therubyracer', platforms: :ruby
3. 项目 API 使用文档
以下是 Ruby Stylus 的一些主要 API 方法:
Stylus.compile(file_or_string, options = {}): 编译 Stylus 语法到 CSS。Stylus.convert(file_or_string): 将 CSS 转换为 Stylus 语法。Stylus.use(plugin): 使用 Node.js 编写的插件。
更多 API 文档和示例,请参考项目仓库。
4. 项目安装方式
请遵循以下步骤以在您的项目中安装 Ruby Stylus:
- 添加
gem 'stylus'到您的Gemfile。 - 运行
bundle install命令以安装依赖项。 - 按照使用说明配置并使用 Ruby Stylus。
确保您的项目环境已正确设置,以便顺利使用 Ruby Stylus。
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
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
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
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