Yari 项目教程
1. 项目介绍
Yari 是一个用于构建和部署 MDN Web 文档的工具。它是 MDN (Mozilla Developer Network) 文档平台的核心组件,负责将 Markdown 文件转换为静态 HTML 页面,并提供强大的搜索和导航功能。Yari 的目标是提供一个高效、可扩展的文档构建系统,支持多种内容格式和丰富的插件生态。
2. 项目快速启动
2.1 环境准备
在开始之前,请确保你已经安装了以下工具:
- Node.js (建议版本 14.x 或更高)
- npm (通常随 Node.js 一起安装)
2.2 安装 Yari
首先,克隆 Yari 项目到本地:
git clone https://github.com/mdn/yari.git
cd yari
然后,安装项目依赖:
npm install
2.3 启动开发服务器
安装完成后,你可以启动开发服务器来预览文档:
npm start
启动后,打开浏览器访问 http://localhost:3000,你将看到 Yari 的默认文档页面。
2.4 构建静态站点
如果你想构建静态站点,可以使用以下命令:
npm run build
构建完成后,静态文件将生成在 dist 目录中。
3. 应用案例和最佳实践
3.1 自定义文档内容
Yari 支持自定义文档内容。你可以在 content 目录中添加或修改 Markdown 文件,Yari 会自动将其转换为 HTML 页面。
例如,创建一个新的 Markdown 文件 content/my-page.md:
# 我的页面
这是一个自定义页面。
保存后,刷新浏览器,你将看到新的页面。
3.2 使用插件扩展功能
Yari 支持通过插件扩展功能。你可以在 plugins 目录中添加自定义插件,或者使用社区提供的插件。
例如,安装一个 Markdown 扩展插件:
npm install markdown-it-emoji
然后在 config.js 中配置插件:
module.exports = {
plugins: [
require('markdown-it-emoji')
]
};
这样,你的文档中就可以使用 Emoji 了。
4. 典型生态项目
4.1 MDN Web 文档
MDN Web 文档是 Yari 的主要应用场景之一。它提供了丰富的 Web 开发文档,涵盖 HTML、CSS、JavaScript 等多个领域。
4.2 自定义文档站点
Yari 可以用于构建任何类型的文档站点,包括技术文档、产品手册、博客等。通过自定义主题和插件,你可以轻松创建符合需求的文档站点。
4.3 社区插件
Yari 拥有一个活跃的社区,提供了许多有用的插件,如代码高亮、表格生成、数学公式支持等。你可以通过 npm 或 GitHub 找到这些插件,并集成到你的项目中。
通过本教程,你应该已经掌握了 Yari 的基本使用方法。希望你能利用 Yari 构建出优秀的文档站点!
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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