Twin.macro 使用教程
1. 项目介绍
Twin.macro 是一个开源项目,旨在将 Tailwind CSS 的魔力与 CSS-in-JS 的灵活性结合在一起。它支持多种 CSS-in-JS 库,如 Emotion、Styled-components、Solid-styled-components、Stitches 和 Goober。Twin.macro 在构建时将 Tailwind 类转换为 CSS 对象,从而避免了在客户端运行时增加额外的代码。
2. 项目快速启动
安装
首先,你需要安装 Twin.macro 和相关的 CSS-in-JS 库。以下是使用 Styled-components 的示例:
npm install twin.macro styled-components
配置 Babel
在你的项目根目录下创建一个 .babelrc 文件,并添加以下配置:
{
"plugins": ["babel-plugin-macros"]
}
使用 Twin.macro
在你的 React 组件中使用 Twin.macro:
import tw from 'twin.macro';
const Button = tw.button`
bg-blue-500
hover:bg-blue-700
text-white
font-bold
py-2
px-4
rounded
`;
const App = () => (
<div>
<Button>Click me</Button>
</div>
);
export default App;
3. 应用案例和最佳实践
使用 Variant Groups
Twin.macro 支持在多个类上同时应用变体。例如:
import 'twin.macro';
const interactionStyles = () => (
<div tw="hover:(text-black underline) focus:(text-blue-500 underline)" />
);
const mediaStyles = () => <div tw="sm:(w-4 mt-3) lg:(w-8 mt-6)" />;
使用 Theme 导入
你可以使用 theme 导入来添加 Tailwind 配置中的值:
import { css, theme } from 'twin.macro';
const Input = () => (
<input css={[css({ color: theme`colors.purple.500` })]} />
);
4. 典型生态项目
1. Emotion
Emotion 是一个流行的 CSS-in-JS 库,Twin.macro 与之兼容,提供了强大的样式功能。
2. Styled-components
Styled-components 是另一个广泛使用的 CSS-in-JS 库,Twin.macro 可以与其无缝集成,提供类似的功能。
3. Solid-styled-components
Solid-styled-components 是 SolidJS 的样式库,Twin.macro 也支持与其集成,为 SolidJS 开发者提供 Tailwind CSS 的便利。
4. Stitches
Stitches 是一个现代的 CSS-in-JS 库,Twin.macro 可以与其结合使用,提供高效的样式解决方案。
5. Goober
Goober 是一个轻量级的 CSS-in-JS 库,Twin.macro 可以与其集成,提供简洁的样式管理。
通过这些生态项目的支持,Twin.macro 为开发者提供了灵活且强大的样式解决方案。
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