Adaptive Cards 开源项目教程
1. 项目介绍
Adaptive Cards 是由微软开发的一个开源项目,旨在为开发者提供一种通用的方式来交换卡片内容。这些卡片内容以 JSON 格式编写,可以在不同的应用和服务之间进行交换。Adaptive Cards 的主要目标是确保卡片在不同平台和框架上的呈现方式一致,从而提高用户体验。
Adaptive Cards 支持多种平台,包括但不限于 Microsoft Teams、Outlook Actionable Messages、Cortana Skills 和 Windows Timeline。开发者可以使用 Adaptive Cards 的 SDK 将这些卡片嵌入到自己的应用中。
2. 项目快速启动
安装
首先,确保你已经安装了 Node.js 和 npm。然后,通过 npm 安装 Adaptive Cards:
npm install adaptivecards
创建一个简单的 Adaptive Card
以下是一个简单的 Adaptive Card 示例,使用 JSON 格式编写:
{
"type": "AdaptiveCard",
"version": "1.0",
"body": [
{
"type": "TextBlock",
"text": "Hello, Adaptive Cards!"
}
]
}
渲染 Adaptive Card
使用 JavaScript 渲染上述 Adaptive Card:
const AdaptiveCards = require('adaptivecards');
// 创建一个 Adaptive Card 实例
let card = new AdaptiveCards.AdaptiveCard();
// 解析 JSON 并加载到卡片中
card.parse({
type: "AdaptiveCard",
version: "1.0",
body: [
{
type: "TextBlock",
text: "Hello, Adaptive Cards!"
}
]
});
// 渲染卡片
let renderedCard = card.render();
// 将渲染后的卡片添加到 DOM 中
document.body.appendChild(renderedCard);
3. 应用案例和最佳实践
应用案例
-
Microsoft Teams 中的通知卡片:Adaptive Cards 可以用于在 Microsoft Teams 中创建自定义通知卡片,提供更丰富的信息展示和交互体验。
-
Outlook Actionable Messages:通过 Adaptive Cards,开发者可以在 Outlook 中创建可操作的消息卡片,用户可以直接在邮件中进行操作,如批准或拒绝请求。
-
Cortana Skills:Adaptive Cards 可以用于在 Cortana 中创建交互式卡片,提供更直观的用户界面。
最佳实践
-
保持卡片简洁:Adaptive Cards 的设计应尽量简洁,避免过多的内容和复杂的布局,以确保在不同设备上的良好显示效果。
-
使用一致的样式:在设计卡片时,应保持一致的样式和颜色方案,以提高用户体验。
-
测试多平台兼容性:在发布卡片之前,务必在多个平台上进行测试,确保卡片在不同设备和应用中的显示效果一致。
4. 典型生态项目
1. Microsoft Teams
Microsoft Teams 是 Adaptive Cards 的主要应用场景之一。开发者可以使用 Adaptive Cards 在 Teams 中创建自定义的通知、任务卡片等,提供更丰富的交互体验。
2. Outlook Actionable Messages
Outlook Actionable Messages 允许开发者通过 Adaptive Cards 创建可操作的邮件卡片,用户可以直接在邮件中进行操作,如批准或拒绝请求。
3. Cortana Skills
Cortana Skills 可以使用 Adaptive Cards 创建交互式卡片,提供更直观的用户界面,增强用户与 Cortana 的互动体验。
4. Windows Timeline
Windows Timeline 支持 Adaptive Cards,开发者可以创建自定义的卡片,展示用户在不同设备上的活动记录。
通过以上模块的介绍,开发者可以快速上手 Adaptive Cards 项目,并在实际应用中发挥其强大的功能。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust075- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
Hy3-previewHy3 preview 是由腾讯混元团队研发的2950亿参数混合专家(Mixture-of-Experts, MoE)模型,包含210亿激活参数和38亿MTP层参数。Hy3 preview是在我们重构的基础设施上训练的首款模型,也是目前发布的性能最强的模型。该模型在复杂推理、指令遵循、上下文学习、代码生成及智能体任务等方面均实现了显著提升。Python00