QuickJS 使用教程
1. 项目介绍
QuickJS 是一个小型且可嵌入的 JavaScript 引擎,支持 ES2020 规范,包括模块、异步生成器和代理器。它由 Fabrice Bellard 开发,以其轻量级和高性能著称。QuickJS 的设计目标是提供一个简单、高效且易于嵌入的 JavaScript 引擎,适用于各种嵌入式系统和应用场景。
2. 项目快速启动
2.1 安装
首先,克隆 QuickJS 的 GitHub 仓库:
git clone https://github.com/lithdew/quickjs.git
cd quickjs
2.2 编译
在 Linux 或 macOS 系统上,使用以下命令进行编译:
make
编译完成后,你将得到 qjs 和 qjsc 两个可执行文件。
2.3 运行示例
使用 qjs 解释器运行一个简单的 JavaScript 文件:
./qjs examples/hello.js
你也可以使用 qjsc 编译器将 JavaScript 文件编译为可执行文件:
./qjsc -o hello examples/hello.js
./hello
3. 应用案例和最佳实践
3.1 嵌入式系统
QuickJS 非常适合嵌入到资源受限的嵌入式系统中。例如,你可以将 QuickJS 嵌入到一个微控制器中,通过 JavaScript 脚本来控制硬件设备。
3.2 WebAssembly
QuickJS 可以编译为 WebAssembly,使其在浏览器中运行。这对于需要在客户端执行复杂计算的应用非常有用。
3.3 脚本引擎
QuickJS 可以用作应用程序的脚本引擎,允许用户编写自定义脚本来扩展应用程序的功能。例如,游戏开发者可以使用 QuickJS 来实现游戏逻辑的动态更新。
4. 典型生态项目
4.1 QuickJS-iOS
QuickJS-iOS 是一个将 QuickJS 移植到 iOS 平台的项目,允许开发者在 iOS 应用中使用 QuickJS 引擎。
4.2 QuickJS-Android
QuickJS-Android 是一个将 QuickJS 移植到 Android 平台的项目,使得 Android 开发者可以在应用中嵌入 QuickJS 引擎。
4.3 quickjs-rs
quickjs-rs 是一个用 Rust 语言封装 QuickJS 的项目,为 Rust 开发者提供了一个方便的接口来使用 QuickJS 引擎。
通过这些生态项目,QuickJS 可以在更多的平台上得到应用,进一步扩展其使用场景。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00