Docusaurus 本地搜索插件使用教程
项目介绍
@easyops-cn/docusaurus-search-local 是一个为 Docusaurus v2/v3 设计的离线/本地搜索插件。它支持多语言,特别优化了对中文的支持。该插件最初基于 cmfcmf/docusaurus-search-local 开发,后来完全使用 TypeScript 重写,并进行了样式优化和测试覆盖。
项目快速启动
安装
首先,通过 npm 或 yarn 安装插件:
npm install --save @easyops-cn/docusaurus-search-local
# 或者
yarn add @easyops-cn/docusaurus-search-local
配置
在 docusaurus.config.js 文件中添加插件配置:
module.exports = {
// 其他配置
themes: [
// 其他主题
[
require.resolve("@easyops-cn/docusaurus-search-local"),
/** @type {import("@easyops-cn/docusaurus-search-local").PluginOptions} */
({
// 配置选项
hashed: true,
language: ["en", "zh"],
}),
],
],
};
运行
完成配置后,运行以下命令启动 Docusaurus 项目:
npm run start
# 或者
yarn start
应用案例和最佳实践
案例一:多语言文档站点
假设你正在开发一个支持中英文的文档站点,使用 @easyops-cn/docusaurus-search-local 插件可以轻松实现本地搜索功能。通过配置 language: ["en", "zh"],用户可以在搜索框中输入中英文关键词,插件会自动匹配并显示相关结果。
案例二:大型文档库
对于拥有大量文档的站点,可以通过设置 maxSearchResults 选项来限制搜索结果的数量,以提高搜索效率。例如:
{
maxSearchResults: 10,
}
最佳实践
- 多语言支持:确保在配置中指定所有支持的语言,以提供全面的搜索体验。
- 性能优化:通过调整
maxSearchResults和searchResultContextMaxLength等参数,优化搜索性能和用户体验。 - 自定义样式:使用 CSS 变量自定义搜索框和结果的样式,以匹配站点的整体设计。
典型生态项目
Docusaurus
@easyops-cn/docusaurus-search-local 是基于 Docusaurus 构建的,Docusaurus 是一个用于构建文档站点的开源框架,支持 React 组件和 Markdown 文件。
Algolia DocSearch
Algolia DocSearch 是一个流行的文档搜索解决方案,但它是基于云服务的。@easyops-cn/docusaurus-search-local 提供了本地化的替代方案,适用于需要离线搜索或对数据隐私有较高要求的项目。
Lunr.js
Lunr.js 是一个轻量级的 JavaScript 搜索引擎库,@easyops-cn/docusaurus-search-local 内部使用了 Lunr.js 来实现文档的索引和搜索功能。
通过以上步骤和案例,你可以快速上手并优化使用 @easyops-cn/docusaurus-search-local 插件,为你的 Docusaurus 文档站点提供强大的本地搜索功能。
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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
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