Iconoir 图标库使用教程
项目介绍
Iconoir 是一个开源的图标库,提供了超过 1500 个独特的 SVG 图标,设计在 24x24 像素的网格上。这些图标可以免费使用,并且支持多种前端框架,如 React、React Native、Flutter、Vue、Figma 和 Framer。Iconoir 的图标设计简洁、现代,适用于各种应用场景。
项目快速启动
安装 Iconoir
你可以通过 npm、yarn、pnpm 或 bun 来安装 Iconoir 图标库。以下是使用 npm 安装的示例:
npm install iconoir
使用 Iconoir 图标
安装完成后,你可以在你的项目中导入并使用 Iconoir 图标。以下是一个简单的 React 示例:
import React from 'react';
import { Iconoir } from 'iconoir-react';
function App() {
return (
<div>
<Iconoir icon="home" />
</div>
);
}
export default App;
在其他框架中使用
React Native
import { Iconoir } from 'iconoir-react-native';
function App() {
return (
<View>
<Iconoir name="home" />
</View>
);
}
Vue
import { Iconoir } from '@iconoir/vue';
export default {
components: {
Iconoir,
},
template: '<Iconoir name="home" />',
};
Flutter
import 'package:iconoir_flutter/iconoir_flutter.dart';
class MyWidget extends StatelessWidget {
@override
Widget build(BuildContext context) {
return Iconoir(icon: 'home');
}
}
Figma 和 Framer
在 Figma 和 Framer 中,你可以直接从插件市场安装 Iconoir 插件,并在设计中使用这些图标。
应用案例和最佳实践
1. 网站导航图标
在网站的导航栏中使用 Iconoir 图标,可以提升用户体验。例如,使用“home”图标表示首页,“search”图标表示搜索功能。
<nav>
<a href="/"><Iconoir icon="home" /></a>
<a href="/search"><Iconoir icon="search" /></a>
</nav>
2. 移动应用图标
在移动应用中,使用 Iconoir 图标可以提高应用的视觉一致性。例如,在底部导航栏中使用不同的图标来表示不同的功能模块。
<BottomNavigation>
<BottomNavigationItem icon={<Iconoir name="home" />} label="Home" />
<BottomNavigationItem icon={<Iconoir name="search" />} label="Search" />
</BottomNavigation>
3. 数据可视化
在数据可视化项目中,使用 Iconoir 图标可以增强图表的可读性。例如,在柱状图中使用不同的图标来表示不同的数据类别。
<BarChart>
<Bar dataKey="value" fill="#8884d8">
<LabelList dataKey="name" content={<Iconoir icon="chart" />} />
</Bar>
</BarChart>
典型生态项目
1. React 项目
Iconoir 提供了专门的 React 组件库 iconoir-react,可以轻松集成到 React 项目中。你可以通过 npm 安装并使用这些组件。
2. Vue 项目
对于 Vue 开发者,Iconoir 提供了 @iconoir/vue 包,可以在 Vue 项目中无缝使用这些图标。
3. Flutter 项目
Flutter 开发者可以使用 iconoir_flutter 包,将 Iconoir 图标集成到 Flutter 应用中。
4. Figma 和 Framer
Iconoir 还提供了 Figma 和 Framer 插件,设计师可以直接在设计工具中使用这些图标,提升设计效率。
通过以上教程,你可以快速上手并充分利用 Iconoir 图标库,为你的项目增添现代、简洁的视觉元素。
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