Casset 技术文档
1. 安装指南
Casset 是一个用于替代 fuelphp 的 Asset 类的库。以下提供两种安装方式:
使用 oil
- 切换到你的 fuel 项目根目录
- 运行命令
php oil package install casset - 可选地编辑
fuel/packages/casset/config/casset.php文件(默认设置是合理的) - 创建
public/assets/cache目录 - 在
app/config/config.php文件的always_load/packages数组中添加'casset'(或者在需要使用时调用Fuel::add_package('casset')) - 开始使用
手动安装
- 克隆(
git clone git://github.com/canton7/fuelphp-casset)或下载 - 将克隆或下载的文件放入
fuel/packages/目录下 - 可选地编辑
fuel/packages/casset/config/casset.php文件(默认设置是合理的) - 创建
public/assets/cache目录 - 在
app/config/config.php文件的always_load/packages数组中添加'casset'(或者在需要使用时调用Fuel::add_package('casset')) - 开始使用
如果不想更改 fuel/packages/casset/config/casset.php 文件,可以在 fuel/app/config/casset.php 中创建自己的配置文件。可以复制原始配置文件的全部内容,或者仅覆盖所需的键。Fuel 的 Config 类会自动处理。
2. 项目使用说明
Casset 是一个易于使用的资产管理库,支持以下特性:
- 为特定页面指定要使用的资产,并在模板中打印它们。
- 将资产收集到组中,无论是预定义的还是实时创建的。
- 在视图中启用/禁用特定的资产组。
- 对组进行压缩和合并,以减少浏览器请求和加载时间。
- 在视图中定义要包含在模板中的 JS/CSS。
- 为资产设置命名空间。
基本用法
JavaScript 和 CSS 文件的处理方式相同,以下仅以 JavaScript 为例。对于 CSS 相关函数,将 'js' 替换为 'css'。
使用以下代码添加 JavaScript 文件:
Casset::js('myfile.js');
Casset::js('myfile2.js');
默认情况下,Casset 会压缩这两个文件并将它们合并成一个文件,存放在 public/assets/cache/<md5 hash>.js。要在页面中包含这个文件,使用以下代码:
echo Casset::render_js();
// 输出类似于:
// <script type="text/javascript" src="http://localhost/site/assets/cache/d148a723c710760bc62ca3ecc8c50206.js?1307384477"></script>
如果关闭了压缩功能,将输出:
<script type="text/javascript" src="http://localhost/site/assets/js/myfile.js"></script>
<script type="text/javascript" src="http://localhost/site/assets/js/myfile2.js"></script>
如果有一个特定的文件(例如 myfile.min.js),希望 Casset 使用它而不是生成自己的压缩版本,可以传递给第二个参数:
Casset::js('myfile.js', 'myfile.min.js');
有时希望将 CSS 和 JS 标签放在一起。Casset::render() 是一个快捷方式,它调用 Casset::render_css() 然后是 Casset::render_js()。
图像处理
虽然原始的 Asset 库提供了处理图像的组等功能,但这里认为这些功能没有必要,因此图像处理更为简单:
echo Casset::img('test.jpg', 'alt text', array('width' => 200));
也可以传递一个图像数组,所有图像将具有相同的属性:
echo Casset::img(array('test.jpg', 'test2.jpg'), 'Some thumbnails');
组管理
组是一组 JavaScript 或 CSS 文件的集合。可以在配置文件中定义组,也可以实时创建。可以单独启用和禁用组,并单独渲染。
CSS 和 JavaScript 有自己的组命名空间,因此可以自由地重叠。
以下是在配置文件中定义组的示例:
'groups' => array(
'js' => array(
'group_name' => array(
'files' => array(
array('file1.js', 'file1.min.js'),
'file2.js'
),
'combine' => false,
'min' => false,
'inline' => true
),
),
'css' => array(
'group_name' => array(
'files' => array(
array('file1.css', 'file1.min.css'),
'file2.css',
),
'enabled' => false,
'attr' => array('media' => 'print'),
'deps' => array('some_group'),
),
),
),
可以在配置文件中启用或禁用组,也可以实时添加文件到组,或者修改组的配置。
3. 项目API使用文档
以下是一些 Casset API 的使用示例:
Casset::js($file, $min_file = null, $group = null):添加 JavaScript 文件到队列或组。Casset::css($file, $min_file = null, $group = null):添加 CSS 文件到队列或组。Casset::render_js($group = null):渲染 JavaScript 文件。Casset::render_css($group = null):渲染 CSS 文件。Casset::enable_js($group):启用 JavaScript 组。Casset::disable_js($group):禁用 JavaScript 组。Casset::enable_css($group):启用 CSS 组。Casset::disable_css($group):禁用 CSS 组。Casset::add_group($type, $name, $files, $options):实时添加组。Casset::set_group_option($type, $group, $key, $value):设置组的配置选项。
更多 API 信息和示例,请参考官方文档。
4. 项目安装方式
请参考上文“安装指南”部分的详细说明。
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
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