Skulpt 项目教程
1. 项目介绍
Skulpt 是一个用 JavaScript 实现的 Python 编程语言。它允许 Python 代码在浏览器中运行,甚至可以在 iPad 上运行。Skulpt 被用于多个项目中,包括交互式 Python 教材。通过 Skulpt,用户可以在浏览器中尝试 Python 代码,甚至进行一些简单的图形编程,如 Turtle 图形。
Skulpt 最初由 Scott Graham 创建,Brad Miller 自 2010/2011 年起担任项目维护者,并与核心贡献者 Albert-Jan Nijburg、Scott Rixner、Meredydd Luff 等人一起推动项目的发展。
2. 项目快速启动
2.1 安装 Node.js
首先,确保你已经安装了 Node.js。你可以从 Node.js 官网 下载并安装。
2.2 克隆项目
使用 Git 克隆 Skulpt 项目到本地:
git clone https://github.com/skulpt/skulpt.git
cd skulpt
2.3 安装依赖
在项目目录下运行以下命令安装所需的依赖:
npm install
2.4 构建项目
运行以下命令构建 Skulpt:
npm run dist
构建完成后,你会在 dist 文件夹中找到 skulpt.min.js 和 skulpt-stdlib.js。
2.5 在网页中使用 Skulpt
在你的 HTML 文件中引入 Skulpt 的 JavaScript 文件:
<!DOCTYPE html>
<html lang="en">
<head>
<meta charset="UTF-8">
<title>Skulpt 示例</title>
<script src="dist/skulpt.min.js"></script>
<script src="dist/skulpt-stdlib.js"></script>
</head>
<body>
<textarea id="code" style="width: 100%; height: 200px;">
print("Hello, Skulpt!")
</textarea>
<button onclick="runPython()">运行代码</button>
<script>
function runPython() {
var code = document.getElementById("code").value;
Sk.configure({output: function(text) {console.log(text);}});
(Sk.TurtleGraphics || (Sk.TurtleGraphics = {})).target = 'mycanvas';
var myPromise = Sk.misceval.asyncToPromise(function() {
return Sk.importMainWithBody("<stdin>", false, code, true);
});
myPromise.then(function(mod) {
console.log('success');
}, function(err) {
console.log(err.toString());
});
}
</script>
</body>
</html>
3. 应用案例和最佳实践
3.1 交互式 Python 教材
Skulpt 被广泛应用于交互式 Python 教材中,学生可以直接在浏览器中编写和运行 Python 代码,无需安装任何本地环境。
3.2 Turtle 图形编程
Skulpt 支持 Turtle 图形编程,用户可以在浏览器中绘制图形,非常适合初学者学习编程和图形绘制。
3.3 在线编程平台
许多在线编程平台使用 Skulpt 来支持 Python 编程,用户可以在这些平台上直接编写和运行 Python 代码,进行在线编程练习。
4. 典型生态项目
4.1 Skulpt-Turtle
Skulpt-Turtle 是 Skulpt 的一个扩展模块,专门用于支持 Turtle 图形编程。它允许用户在浏览器中绘制各种图形,非常适合教育和学习。
4.2 Skulpt-Math
Skulpt-Math 是 Skulpt 的数学模块扩展,提供了丰富的数学函数和常量,方便用户在浏览器中进行数学计算和模拟。
4.3 Skulpt-Repl
Skulpt-Repl 是一个基于 Skulpt 的交互式 Python REPL(Read-Eval-Print Loop)环境,用户可以在浏览器中直接输入 Python 代码并立即看到结果。
通过这些生态项目,Skulpt 不仅支持基本的 Python 编程,还扩展了其在图形编程、数学计算和交互式编程方面的能力,为用户提供了更丰富的编程体验。
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