【亲测免费】 Node-RED Dashboard 安装与使用教程
1. 项目目录结构及介绍
在克隆或下载 https://github.com/FlowFuse/node-red-dashboard.git 仓库之后,你将得到以下基本目录结构:
node-red-dashboard/
│
├── package.json # 项目依赖和元数据文件
├── README.md # 项目说明文档
├── node_modules/ # 第三方依赖库
├── lib/ # 自定义节点代码存放目录
└── .gitignore # Git 忽略文件列表
package.json: 该文件包含了项目的依赖信息以及项目的基本描述,用于安装和管理依赖。README.md: 提供项目简介、安装指南和使用方法等信息。node_modules/: 存放所有项目依赖的npm包。lib/: Node-RED自定义节点源码通常存放于此,但此项目可能没有提供自定义节点。.gitignore: 规定哪些文件或目录不需要被Git版本控制。
2. 项目的启动文件介绍
node-red-dashboard 是一个Node-RED的插件,它不是一个独立可执行的应用。通常,你需要将其安装到你的Node-RED环境中。启动Node-RED应用(假设已全局安装Node.js)的步骤如下:
- 首先,在终端中导航到Node-RED的工作目录,例如
~/.node-red。 - 运行以下命令来启动Node-RED服务器:
npm start
当你启动Node-RED后,node-red-dashboard 插件会自动加载并可供使用。你可以通过浏览器访问 http://localhost:1880/ui 来查看和编辑Node-RED仪表板。
3. 项目的配置文件介绍
node-red-dashboard 并无特定的配置文件,其配置主要是通过Node-RED的设置和流文件完成。以下是两种主要配置方式:
设置文件 (settings.js)
在Node-RED主目录中的 settings.js 文件可以设置一些全局参数,例如端口号、数据库路径等。但node-red-dashboard 特定的配置通常不需要在此处进行。
流文件 (flows.json)
真正的配置工作在Node-RED的 flows.json 文件中进行。node-red-dashboard 的UI是通过一系列节点构建的,这些节点包括按钮、图表、文本框等。在编辑器中创建和连接这些节点,然后保存流配置,就可以定义你的仪表板布局和逻辑。
例如,添加一个新的图表节点,你可以在 flows.json 中看到类似这样的JSON表示:
{
"id": "chart-node-id",
"type": "ui_chart",
"z": "workspace-name",
"group": "group-id",
"order": 0,
"width": 6,
"height": 4,
"label": "Chart Label",
"topic": "",
"x": 240,
"y": 50,
...
}
记住,对 flows.json 的修改需要重新启动Node-RED服务才能生效。
总结,虽然node-red-dashboard 没有特定的配置文件,但所有的设置都可以通过Node-RED的图形化界面和流文件进行管理。为了充分利用这个工具,推荐熟悉Node-RED的节点编辑器和JSON配置格式。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00