【亲测免费】 Ketcher 技术文档
1. 安装指南
1.1 通过 npm 安装
Ketcher 可以通过 npm 安装为 React 组件库。首先,确保你已经安装了 Node.js 和 npm。然后,在你的项目目录下运行以下命令:
npm install ketcher-react
1.2 下载预构建的应用程序
你也可以下载预构建的 Ketcher 应用程序。访问 GitHub Releases 页面,选择你需要的版本,下载对应的压缩包。解压后,你可以将应用程序嵌入到你的网页中,或者作为一个独立的页面运行。
2. 项目的使用说明
2.1 嵌入 React 组件
在你的 React 项目中,你可以通过以下方式嵌入 Ketcher:
import React from 'react';
import { Ketcher } from 'ketcher-react';
function App() {
return (
<div style={{ width: '100%', height: '600px' }}>
<Ketcher />
</div>
);
}
export default App;
2.2 使用预构建的应用程序
如果你下载了预构建的应用程序,你可以将其嵌入到你的网页中,或者作为一个独立的页面运行。例如,你可以通过 iframe 嵌入:
<iframe src="path/to/ketcher/index.html" width="100%" height="600px"></iframe>
3. 项目 API 使用文档
Ketcher 提供了丰富的 API,允许你与编辑器进行交互。以下是一些常用的 API 方法:
3.1 获取结构表示
-
getSmiles(isExtended = false): Promise<string>
返回绘制的结构在 SMILES 格式中的字符串表示。 -
getMolfile(molfileFormat): Promise<string>
返回绘制的结构在 MOL 格式中的字符串表示。 -
getRxn(molfileFormat): Promise<string>
返回绘制的结构在 RXN 格式中的字符串表示。
3.2 设置结构
-
setMolecule(structure: string): Promise<void>
在画布上绘制传入的结构。当前结构将被移除。 -
addFragment(structure: string): Promise<void>
在画布上添加传入的结构。当前结构不会被改变。
3.3 其他功能
-
layout(): Promise<void>
对绘制的结构执行布局算法。 -
recognize(image: Blob, version?: string): Promise<Struct>
从图像中识别结构。
4. 项目安装方式
Ketcher 可以通过以下两种方式安装:
4.1 作为 React 组件库安装
通过 npm 安装:
npm install ketcher-react
4.2 下载预构建的应用程序
访问 GitHub Releases 页面,下载你需要的版本,解压后即可使用。
通过以上步骤,你可以轻松地将 Ketcher 集成到你的项目中,并利用其强大的功能进行化学结构的编辑和处理。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00