Phenomic(已废弃):基于React的静态站点生成器快速上手指南
请注意:此项目已停更并推荐使用Next.js替代。
项目介绍
Phenomic 是一个曾经活跃的现代Web开发框架,专注于构建模块化的网站。它基于React,Webpack,并且对Reason ML等技术友好。Phenomic旨在提供一个灵活且可配置的平台,支持从简单的博客到复杂的单页应用(SPA)的各种Web项目。然而,截至2020年9月7日,该项目已被其所有者归档,并建议开发者转向Next.js进行新项目。
项目快速启动
由于Phenomic项目已经废弃,我们不推荐直接使用其进行新项目。但为了满足学习目的,以下是基于旧版Phenomic的简要快速启动步骤(不保证当前有效):
安装
首先确保你的系统安装了Node.js,然后执行以下命令来创建一个新的Phenomic项目(假设还能找到可用的版本):
npx create-phenomic my-blog
cd my-blog
npm install 或 yarn install
运行本地服务器
安装完成后,运行以下命令启动本地开发服务器:
npm start 或 yarn start
这将在浏览器中自动打开http://localhost:3000,展示你的Phenomic项目。
编写内容
在src目录下编写Markdown文件或JSX组件来创建页面。
示例Markdown文件(位于src/pages下):
---
path: "/hello-world"
---
# Hello World
欢迎来到Phenomic世界!
构建生产环境部署
准备发布时,使用:
npm run build 或 yarn build
构建后的静态文件将位于.publish目录下,可以部署到任何静态文件托管服务。
应用案例和最佳实践
请注意: 因项目已废弃,难以提供最新的应用案例。一般而言,最佳实践包括遵循清晰的目录结构,利用Markdown的元数据特性管理路径和SEO信息,以及充分利用Webpack的优化功能。
典型生态项目
Phenomic曾有一个活跃的社区,围绕其生态建立了一系列插件和模板。遗憾的是,随着项目被废弃,这些资源也可能不再维护。对于寻找类似解决方案的开发者,探索Next.js、Gatsby或其他当前活跃的静态站点生成工具的生态将是更好的选择。
考虑到Phenomic已不再更新,强烈建议考虑现代替代品以获得持续的支持和最新功能。希望这个简化的指南仍对你了解历史上的Phenomic有所助益。
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