Eve 库技术文档
2024-12-20 21:37:48作者:曹令琨Iris
1. 安装指南
Eve 是一个轻量级的事件帮助 JavaScript 库。要使用 Eve,您可以直接从其 GitHub 仓库下载最新版本,或者通过 npm 包管理器进行安装。
通过 npm 安装:
npm install eve
手动下载:
访问 Eve 的 GitHub 仓库,下载最新版本的代码:Eve GitHub 仓库。
2. 项目的使用说明
Eve 提供了一个简单的事件系统,可以帮助您轻松地绑定、触发和取消事件。
绑定事件
使用 eve.on 方法可以绑定事件处理器:
eve.on("eventName", function(event) {
// 处理事件
});
触发事件
使用 eve 方法可以触发事件:
eve("eventName");
事件监听器数组
eve.listeners 方法返回所有绑定到指定事件名称的事件处理器数组:
var listeners = eve.listeners("eventName");
设置分隔符
如果需要,可以使用 eve.separator 方法设置新的分隔符:
eve.separator("new_separator");
事件处理器优先级
使用 eve.on 方法时,可以指定事件处理器的优先级:
eve.on("eventName", function(event) {
// 处理事件
})(1); // 设置优先级
3. 项目API使用文档
以下是 Eve 库的 API 文档:
eve(name, scope, varargs): 触发一个事件,返回监听器的返回值数组。eve.listeners(name): 返回所有绑定到指定事件的事件处理器数组。eve.separator(separator): 设置新的分隔符,默认分隔符是.或/。eve.on(name, f, name, f): 绑定事件处理器,支持使用通配符*。eve.f(event, varargs): 返回一个函数,该函数触发指定事件。eve.stop(): 在事件处理器内停止事件传播。eve.nt([subname]): 在事件处理器内获取或检查事件名称。eve.nts(): 在事件处理器内获取事件名称数组。eve.off(name, f): 移除指定事件处理器。eve.unbind(): 同eve.off。eve.once(name, f): 绑定事件处理器,仅执行一次。eve.version(): 返回库的当前版本。
4. 项目安装方式
请参考上文“安装指南”部分的说明,您可以通过 npm 或手动下载的方式安装 Eve 库。
登录后查看全文
热门项目推荐
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-7BSpark-Prover-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
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-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
297
2.65 K
Ascend Extension for PyTorch
Python
130
152
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
608
192
React Native鸿蒙化仓库
JavaScript
229
307
暂无简介
Dart
592
129
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.05 K
612
仓颉编译器源码及 cjdb 调试工具。
C++
122
504
本项目是CANN提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,专门为Transformer模型的训练和推理而设计。
C++
48
77
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
180
65
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.02 K
456