ONLYOFFICE SDKJS 插件开发指南
项目概述
ONLYOFFICE SDKJS-Plugins 是一个强大的开源项目,专为想要扩展ONLYOFFICE Document Server和Desktop Editors功能的开发者设计。它包含了一系列示例插件,展示了如何通过JavaScript与ONLYOFFICE编辑器进行交互,从而实现从简单的文本插入到复杂的第三方服务集成等多种功能。
1. 项目目录结构及介绍
ONLYOFFICE SDKJS-Plugins的目录结构清晰地组织了各种示例和核心插件代码。下面是其基本结构:
ONLYOFFICE-sdkjs-plugins/
├── archive # 示例:处理归档文件操作
├── adobephotoeditor # 示例:特定功能集成示例
├── chess # 示例:展示 Ole 对象处理
├── chrome_extension_example # 教程:将插件变为Chrome扩展
├── ... # 更多类似的示例目录
├── externallistener # 示例:与外部面板互动
├── interface # 插件与界面交互的基础
├── ... # 其他关键模块和示例
├── README.md # 主要说明文档
├── gitignore # Git忽略文件配置
└── LICENSE # 许可证信息(Apache-2.0)
每个子目录通常包含一个完整的插件实现案例,其中example_*目录尤其重要,它们提供了丰富的应用场景和技术细节。
2. 项目启动文件介绍
该项目没有传统的单一“启动文件”,它的运行依赖于ONLYOFFICE环境。开发者在开发自己的插件时,并不是直接运行这个库,而是将其作为ONLYOFFICE配置的一部分添加进去。例如,如果你想要测试或使用某个示例插件,你需要将该插件的代码放置到ONLYOFFICE Document Server的sdkjs-plugins目录下。
对于开发调试流程,涉及到更多的是通过ONLYOFFICE的配置调整来启用特定的插件,或者利用Docker命令(如提供路径映射至sdkjs-plugins目录)来运行带有自定义插件的ONLYOFFICE服务器实例。
3. 项目的配置文件介绍
配置插件主要通过以下几种方式完成:
-
通过
config.json文件:在ONLYOFFICE Docs中,可以修改或添加到config.json的pluginsData字段,来指定插件的相对路径。{ "plugins": { "pluginsData": [ { "name": "myCustomPlugin", "path": "./path/to/myCustomPlugin" } ] } } -
sdkjs-plugins目录部署:将插件目录直接放入ONLYOFFICE指定的路径下,比如Linux下的/var/www/onlyoffice/documentserver/sdkjs-plugins/或Windows下的%ProgramFiles%\ONLYOFFICE\DocumentServer\sdkjs-plugins\。 -
插件管理器:ONLYOFFICE提供了插件管理界面,在生产环境中可以通过此界面安装和管理插件,但具体配置细节需参考ONLYOFFICE官方文档。
每个插件自身也可能携带配置文件,以控制其内部行为,但这取决于插件的实现细节,一般不在项目根级直接体现。
综上所述,开发和使用ONLYOFFICE SDKJS-Plugins涉及理解其目录结构,知晓插件部署的多种途径,以及潜在的配置文件调整。正确地将这些元素结合起来,是成功开发和集成自定义ONLYOFFICE插件的关键。
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-1.5暂无简介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
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
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