J2CL 项目教程
1. 项目介绍
J2CL(Java to Closure JavaScript transpiler)是一个强大的、简单的、轻量级的 Java 到 Closure 风格 JavaScript 的转译器。它由 Google 开发,旨在将 Java 代码转换为 Closure 风格的 JavaScript 代码,从而让开发者能够在 JavaScript 应用中无缝使用 Java 代码。J2CL 不仅保留了 Java 的强类型系统,还结合了 Closure 编译器的优化功能,使得生成的 JavaScript 代码既高效又易于维护。
J2CL 的核心优势包括:
- 强类型检查:基于 Java 的强类型系统,能够在编译时捕获大部分错误。
- 代码复用:允许开发者复用现有的 Java 库,如 Guava、Dagger 和 AutoValue。
- 现代开发体验:基于 Bazel 构建系统,提供快速且现代的开发体验。
- 生产就绪:已经在 Google 的多个 GSuite 应用中得到验证,如 Gmail、Inbox、Docs、Slides 和 Calendar。
2. 项目快速启动
2.1 环境准备
在开始之前,确保你已经安装了以下工具:
- Bazel:J2CL 的构建工具。
- Java Development Kit (JDK):用于编写和编译 Java 代码。
2.2 克隆项目
首先,克隆 J2CL 项目到本地:
git clone https://github.com/google/j2cl.git
cd j2cl
2.3 构建项目
使用 Bazel 构建项目:
bazel build //:j2cl
2.4 编写和运行示例代码
在 samples 目录下创建一个新的 Java 文件 HelloWorld.java:
public class HelloWorld {
public static void main(String[] args) {
System.out.println("Hello, J2CL!");
}
}
使用 J2CL 将 Java 代码转换为 JavaScript 代码:
bazel run //tools/j2cl:j2cl -- --js_output_dir=./output --java_files=./samples/HelloWorld.java
生成的 JavaScript 代码将位于 output 目录下。
2.5 运行生成的 JavaScript 代码
你可以使用任何支持 JavaScript 的浏览器或 Node.js 运行生成的 JavaScript 代码。例如,使用 Node.js:
node output/HelloWorld.js
你应该会看到输出:
Hello, J2CL!
3. 应用案例和最佳实践
3.1 应用案例
J2CL 已经被广泛应用于 Google 的多个 GSuite 应用中,如 Gmail、Inbox、Docs、Slides 和 Calendar。这些应用通过 J2CL 将大量的 Java 代码转换为高效的 JavaScript 代码,从而实现了跨平台的代码复用和性能优化。
3.2 最佳实践
- 模块化开发:将 Java 代码模块化,确保每个模块的功能单一且独立,便于后续的代码维护和优化。
- 类型安全:充分利用 Java 的强类型系统,减少运行时错误。
- 性能优化:结合 Closure 编译器的优化功能,对生成的 JavaScript 代码进行进一步的压缩和优化。
- 跨平台兼容:确保生成的 JavaScript 代码在不同浏览器和环境中都能正常运行。
4. 典型生态项目
J2CL 作为一个转译器,其生态系统主要围绕 Java 和 JavaScript 的结合展开。以下是一些典型的生态项目:
- Bazel:J2CL 的构建工具,支持快速且高效的构建过程。
- Closure Compiler:Google 的 JavaScript 优化工具,与 J2CL 结合使用,可以进一步优化生成的 JavaScript 代码。
- GWT (Google Web Toolkit):虽然 J2CL 是 GWT 的替代品,但 GWT 仍然是一个重要的生态项目,特别是在企业级应用中。
- Guava:Google 的核心 Java 库,广泛应用于 J2CL 项目中,提供丰富的工具类和实用功能。
通过这些生态项目的结合,J2CL 能够为开发者提供一个完整的、高效的开发环境,帮助他们在 JavaScript 应用中无缝使用 Java 代码。
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