HM Gutenberg Tools 使用指南
项目介绍
HM Gutenberg Tools 是一个专为基于 WordPress 的 Gutenberg 编辑器开发的工具集合。它提供了多种辅助组件与工具,旨在简化开发者在构建自定义块或者增强现有编辑体验时的工作流程。该项目遵循 GPL-2.0 许可证,并且随着持续更新,不断加入了性能提升、安全加固和新功能,如支持国际化(i18n)、组件优化等,确保与最新的 Gutenberg 版本兼容。
项目快速启动
要快速启动并利用 HM Gutenberg Tools,在你的 WordPress 开发环境中进行以下步骤:
-
安装插件: 如果你是直接在 WordPress 环境中工作,可以通过下载仓库的ZIP文件上传到WordPress的插件管理界面来安装,或者如果你熟悉Git,可以通过命令行操作:
git clone https://github.com/humanmade/hm-gutenberg-tools.git然后将克隆下来的目录移动到你的
wp-content/plugins目录下。 -
启用开发模式(可选): 若要访问“HM Gutenberg Tools Dev”区块以查看示例特性,可以在 wp-config.php 文件中添加以下行:
define('HM_GB_TOOLS_DEV', true); -
集成至主题或自定义区块: 在你的主题或自定义区块中,确保引入必要的脚本。例如,若要在你的自定义区块中使用此工具包,需执行以下PHP和JavaScript步骤:
// 在functions.php中加载脚本依赖 function my_theme_block_scripts() { wp_enqueue_script( 'my-custom-block', plugins_url('/my-custom-block.js', __FILE__), ['hm-gb-tools-editor'], // 依赖于HM Gutenberg Tools的编辑器组件 '1.0', true ); } add_action('enqueue_block_editor_assets', 'my_theme_block_scripts');// 在my-custom-block.js中直接使用HM Gutenberg Tools提供的功能
应用案例和最佳实践
示例一:使用Thumbnails in Post Select
自从v1.4.0版本起,HM Gutenberg Tools支持在文章选择组件中显示缩略图,这使得创建关联帖子类型的区块更加直观。
最佳实践
- 利用
HM_GB_TOOLS_DIR和HM_GB_TOOLS_URL常量,当在主题内集成该工具包时,确保正确配置路径,避免资源加载错误。 - 在开发过程中开启
HM_GB_TOOLS_DEV以便于快速迭代和调试自定义区块。
典型生态项目
尽管HM Gutenberg Tools本身并不直接构成一个生态系统,但在WordPress社区中,结合其他专注于Gutenberg的插件如Advanced Custom Fields (ACF) Pro或Elementor Pro,可以显著扩展Gutenberg编辑器的能力。开发者通常将此类工具作为基础,构建高度定制化的编辑体验,比如制作复杂的布局设计、实现特定的数据绑定逻辑等。
通过有效利用HM Gutenberg Tools,开发者能够在保持高性能的同时,缩短开发周期,创造出既符合现代Web标准又具有高度用户体验的WordPress内容编辑环境。
请注意,根据实际情况调整上述步骤和代码片段,确保它们适应你的具体项目需求。
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