cra-build-watch 项目教程
项目介绍
cra-build-watch 是一个用于 create-react-app 项目的脚本,它允许在开发过程中将构建输出写入磁盘。这个脚本的主要目的是在 create-react-app 尚未内置此功能时,提供一个临时的解决方案。它特别适用于需要将 React 应用程序集成到现有应用程序中,或者在开发浏览器扩展时使用。
项目快速启动
安装
首先,你需要将 cra-build-watch 安装到你的项目中。你可以使用 npm 或 yarn 进行安装:
npm install -D cra-build-watch
或者
yarn add -D cra-build-watch
配置
在你的 package.json 文件中添加一个新的脚本:
{
"scripts": {
"watch": "cra-build-watch"
}
}
运行
现在你可以通过以下命令启动 cra-build-watch:
npm run watch
或者
yarn watch
应用案例和最佳实践
开发浏览器扩展
cra-build-watch 特别适用于开发浏览器扩展。由于浏览器扩展需要将构建输出写入磁盘,以便在浏览器中加载,cra-build-watch 提供了一个方便的解决方案。
集成到现有应用程序
如果你需要将 React 应用程序集成到现有的非 React 应用程序中,cra-build-watch 可以帮助你将构建输出写入磁盘,以便现有应用程序可以加载和使用这些文件。
最佳实践
- 避免在生产环境中使用:
cra-build-watch生成的构建输出不适合生产环境,因为它缺乏各种优化。 - 自定义构建路径:你可以通过
--build-path参数自定义构建输出的路径。 - 禁用代码拆分:如果你不需要代码拆分,可以使用
--disable-chunks参数禁用它。
典型生态项目
create-react-app
cra-build-watch 是基于 create-react-app 的,因此它与 create-react-app 生态系统紧密集成。你可以使用 create-react-app 创建一个新的 React 项目,然后使用 cra-build-watch 进行开发。
webpack
cra-build-watch 使用了 webpack 进行构建,因此它与 webpack 生态系统也有很好的兼容性。你可以通过 cra-build-watch 提供的参数来配置 webpack 的输出。
react-scripts
cra-build-watch 依赖于 react-scripts,这是 create-react-app 的核心脚本。你可以通过 --react-scripts-version 参数指定 react-scripts 的版本。
通过这些模块的介绍和使用指南,你应该能够快速上手并充分利用 cra-build-watch 项目。
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