Microsoft PXT 扩展开发:如何为自定义块添加帮助文档
2025-07-04 02:09:57作者:贡沫苏Truman
在 Microsoft PXT 开发环境中,扩展作者经常需要为自定义块添加帮助文档。当用户点击扩展块并选择"帮助"时,理想情况下应该显示该块的专用参考文档,就像主程序块那样。然而,目前许多扩展会将用户重定向到扩展的 README 文件,这并非最佳用户体验。
当前问题分析
许多扩展开发者发现,他们的块帮助功能无法像预期那样工作。点击帮助按钮后,用户会被带到扩展的README页面,而不是特定块的文档。这主要是因为帮助系统的配置方式不够直观,现有文档也没有明确说明如何正确设置。
解决方案:使用代码托管平台前缀
PXT 实际上提供了一个优雅的解决方案,通过在 jsDoc 的 %help 属性中使用 代码托管平台: 前缀。这个功能允许开发者直接链接到托管在代码托管平台上的特定文档文件。例如:
//% help=代码托管平台:arcade-character-animations/docs/set-character-state
这种语法告诉 PXT 系统,该块的帮助文档位于代码托管平台仓库的指定路径下。当用户点击帮助按钮时,系统会直接加载这个特定文件,而不是整个 README。
实现步骤
- 在你的扩展项目中创建一个专门的文档目录(如
/docs) - 为每个需要文档的块创建单独的 Markdown 文件
- 在块的 jsDoc 注释中添加
help属性,使用代码托管平台:前缀指向对应文档 - 确保文档文件随扩展一起提交到代码托管平台仓库
最佳实践建议
- 保持文档简洁明了,专注于块的特定功能
- 包含使用示例和常见问题解答
- 定期更新文档以反映功能变更
- 考虑为复杂块添加多个使用场景示例
未来展望
随着 PXT 生态系统的成熟,扩展开发者应该更加重视文档质量。良好的块级文档不仅能提升用户体验,还能降低扩展的使用门槛,促进更广泛的采用。
通过采用这种文档方法,扩展开发者可以提供与核心块一致的用户体验,使他们的扩展更加专业和易用。
登录后查看全文
热门项目推荐
相关项目推荐
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-7BSpark-Prover-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
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-7BSpark-Formalizer-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
304
2.66 K
Ascend Extension for PyTorch
Python
131
159
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
458
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
630
221
React Native鸿蒙化仓库
JavaScript
230
307
暂无简介
Dart
593
129
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.06 K
612
本项目是CANN提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,专门为Transformer模型的训练和推理而设计。
C++
48
77
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
360
2.5 K
openGauss kernel ~ openGauss is an open source relational database management system
C++
156
206