【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。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust099- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00