txiki.js 开源项目教程
1. 项目介绍
txiki.js 是一个小巧而强大的 JavaScript 运行时环境。它基于 QuickJS 作为其 JavaScript 引擎,并使用 libuv 作为平台层。txiki.js 的目标是支持最新的 ECMAScript 规范,并致力于成为 WinterCG 兼容的运行时。
主要特点:
- 小巧强大:txiki.js 的设计理念是保持小巧的同时提供强大的功能。
- QuickJS 引擎:使用 QuickJS 作为 JavaScript 引擎,支持 ES2020 和 ES 模块。
- libuv 平台层:利用 libuv 处理异步 I/O 操作,提供跨平台支持。
- WebAssembly 支持:集成 wasm3 作为 WebAssembly 引擎,支持 WASI。
- HTTP 客户端:使用 curl 作为 HTTP 客户端,支持 XHR 和 fetch。
2. 项目快速启动
2.1 环境准备
首先,确保你的系统已经安装了 CMake。txiki.js 的构建依赖于多个 git 子模块(如 libffi、libuv 和 wasm3),因此需要初始化这些子模块:
git clone --recursive https://github.com/saghul/txiki.js.git --shallow-submodules
cd txiki.js
git submodule update --init
2.2 构建项目
在 Unix 系统上,使用以下命令构建 txiki.js:
make
在 Windows 系统上,确保你已经安装了 MSYS2,并在 MinGW64 或 clang64 环境中运行以下命令:
pacman -S git make pactoys pacboy -S curl-winssl:p toolchain:p cmake:p ninja:p
make
2.3 运行示例
构建完成后,你可以运行一个简单的 JavaScript 脚本:
./build/tjs eval "console.log('hello world')"
或者运行一个脚本文件:
./build/tjs run examples/hello_world.js
3. 应用案例和最佳实践
3.1 嵌入式系统
txiki.js 的小巧和高效使其非常适合嵌入式系统。你可以将 txiki.js 嵌入到你的设备中,为设备提供 JavaScript 脚本支持。
3.2 服务器端应用
虽然 txiki.js 的设计初衷是轻量级,但它也支持服务器端应用。你可以使用 txiki.js 运行简单的服务器脚本,处理 HTTP 请求和响应。
3.3 实验和学习
txiki.js 是一个非常适合学习和实验的运行时环境。你可以通过修改和扩展 txiki.js 来深入了解 JavaScript 运行时的内部工作原理。
4. 典型生态项目
4.1 QuickJS
QuickJS 是 txiki.js 的核心 JavaScript 引擎,由 Fabrice Bellard 开发。QuickJS 支持 ES2020 规范,并且非常易于嵌入到其他项目中。
4.2 libuv
libuv 是一个跨平台的异步 I/O 库,广泛用于 Node.js 和其他高性能应用中。txiki.js 使用 libuv 处理文件 I/O、网络 I/O 和定时器等操作。
4.3 wasm3
wasm3 是一个高性能的 WebAssembly 引擎,txiki.js 集成了 wasm3 以支持 WebAssembly 和 WASI。
4.4 curl
curl 是一个强大的命令行工具和库,用于在各种协议上进行数据传输。txiki.js 使用 curl 作为 HTTP 客户端,支持 XHR 和 fetch。
通过这些生态项目的支持,txiki.js 能够提供一个功能丰富且高效的 JavaScript 运行时环境。
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
Spark-Prover-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
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-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