Shesha框架使用教程
1. 项目介绍
Shesha是一款专为.NET开发者设计的开源低代码开发框架,旨在将企业级业务应用的实施努力减少80%以上。它基于ASP.NET Core、Abp.io、React和Next.js等强大技术,增加了低代码能力,使得业务应用程序的开发速度大幅加快。适合习惯于.NET Core环境及React的开发者,以及对技术不太熟悉的用户。通过Shesha,你可以迅速构建从简单的CRUD应用到复杂的企事业解决方案,同时享受低代码带来的高效性。
2. 项目快速启动
环境准备
确保你的开发环境中安装了以下组件:
- Node.js: 最新版推荐
- Visual Studio 或 VS Code 配合.NET Core SDK
- Git
步骤
-
克隆项目
git clone https://github.com/shesha-io/shesha-framework.git
-
获取并初始化 Starter 模板 下载提供的Starter模板,并通过Visual Studio或命令行工具打开解决方案。
-
配置数据库 根据文档设置数据库连接字符串,并执行数据库种子数据脚本(如果提供)来初始化数据库。
-
运行应用 在项目根目录下使用以下命令启动后端服务:
dotnet run --project path/to/your/backend/project.csproj
另开一个终端窗口,启动前端应用:
cd path/to/your/frontend npm install npm start
-
访问应用 应用应该会在默认的localhost上运行,通常前端在
http://localhost:3000
,后端API在另一个指定端口,具体取决于配置。
3. 应用案例与最佳实践
-
案例一:快速构建CRUD应用 开发者只需定义领域模型,Shesha自动产生CRUD操作和GraphQL端点,极大简化了常规的数据管理应用开发。
-
最佳实践:拖拽式界面设计 利用Shesha的拖拽界面构建功能,即使是对前端不熟悉的人也能快速搭建出专业级别的UI。对于复杂的业务逻辑,建议通过定制React组件或JavaScript脚本来实现。
4. 典型生态项目
Shesha不仅仅是一个框架,它的生态系统包括但不限于:
-
插件与扩展:社区提供了多种插件以增加应用的功能,如自定义认证、报表生成器等。
-
教育与培训资源:官方教程网站提供了丰富的视频教程和实例,帮助新老用户快速掌握Shesha的精髓。
-
集成示例:展示了如何将Shesha与其他流行技术如Azure Functions、Docker容器化进行集成的案例。
通过参与社区活动,利用这些资源,开发者可以更有效地利用Shesha框架开发出符合业务需求的应用程序。
以上就是Shesha框架的基本使用教程,希望这能为你开启一段高效的.NET低代码开发之旅。记得查阅官方文档和社区讨论,以便获得更详细的指导和支持。
PaddleOCR-VL
PaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00- DDeepSeek-V3.2-ExpDeepSeek-V3.2-Exp是DeepSeek推出的实验性模型,基于V3.1-Terminus架构,创新引入DeepSeek Sparse Attention稀疏注意力机制,在保持模型输出质量的同时,大幅提升长文本场景下的训练与推理效率。该模型在MMLU-Pro、GPQA-Diamond等多领域公开基准测试中表现与V3.1-Terminus相当,支持HuggingFace、SGLang、vLLM等多种本地运行方式,开源内核设计便于研究,采用MIT许可证。【此简介由AI生成】Python00
openPangu-Ultra-MoE-718B-V1.1
昇腾原生的开源盘古 Ultra-MoE-718B-V1.1 语言模型Python00ops-transformer
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。C++0128AI内容魔方
AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。02Spark-Chemistry-X1-13B
科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00GOT-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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile011
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
热门内容推荐
最新内容推荐
项目优选









