Office Add-in 示例项目教程
项目介绍
Office Add-in 示例项目是一个由 Microsoft OfficeDev 团队维护的开源项目,旨在帮助开发者学习和构建 Office 插件。该项目提供了丰富的代码示例,涵盖了从简单的“Hello World”插件到复杂的业务逻辑实现。通过这些示例,开发者可以快速理解 Office Add-in 的基本组件和开发流程,并将其应用于实际项目中。
项目快速启动
1. 克隆项目仓库
首先,克隆 Office Add-in 示例项目的 GitHub 仓库到本地:
git clone https://github.com/OfficeDev/Office-Add-in-samples.git
2. 安装依赖
进入项目目录并安装所需的依赖:
cd Office-Add-in-samples
npm install
3. 运行示例
选择一个示例项目,例如 excel-hello-world,进入该目录并运行本地服务器:
cd excel-hello-world
npm start
4. 加载插件
在 Excel 中,通过“插入”选项卡中的“我的加载项”按钮,选择“从文件上传”,然后选择 manifest.xml 文件来加载插件。
应用案例和最佳实践
1. 数据类型浏览器
该示例展示了如何在 Excel 中创建和探索数据类型。数据类型允许开发者将复杂的数据结构组织为对象,如格式化的数值、网络图像和实体值。
2. 自定义上下文选项卡
该示例展示了如何在 Office UI 中创建自定义上下文选项卡。当用户将焦点移动到表格内部时,自定义选项卡会显示;当用户移出表格时,选项卡会隐藏。
3. 使用键盘快捷键
该示例展示了如何设置一个基本的 Excel 插件项目,使其利用键盘快捷键。
典型生态项目
1. Blazor WebAssembly
该项目展示了如何使用 .NET Blazor WebAssembly 技术构建 Office Web 插件。开发者可以将大部分代码保留在 C# 和 Visual Studio 中。
2. 单点登录 (SSO)
该项目展示了如何使用 Office 的 SSO 功能来访问用户的 Microsoft Graph 数据。通过 SSO,插件可以无缝地访问用户的 OneDrive 文件等信息。
3. 共享运行时
该项目展示了如何设置一个基本项目,使用共享运行时在单个浏览器运行时中运行代码,包括功能区按钮、任务窗格和自定义函数。
通过这些示例和生态项目,开发者可以深入了解 Office Add-in 的开发和应用,从而构建出功能强大且用户友好的 Office 插件。
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