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。
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
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
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-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
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