Terra Money 技术文档教程编写规范指南
2025-05-31 06:30:01作者:侯霆垣
前言
在区块链技术领域,清晰易懂的技术文档对于开发者体验至关重要。本文将为Terra Money项目文档贡献者提供一套完整的教程编写规范,帮助创建高质量的技术教程内容。
教程定义与定位
Terra Money教程是面向初学者的实践性指南,具有以下核心特征:
- 从零开始:假设读者没有任何前置知识,仅具备基础技能(如终端操作、代码编辑等)
- 目标导向:围绕一个具体任务展开,如"创建Terra钱包"或"部署智能合约"
- 实践优先:包含可执行的代码示例和操作步骤
- 单一主题:每个教程专注于解决一个特定问题
目标读者分析
Terra教程的主要读者群体是:
- 区块链开发新手
- 刚接触Terra生态的开发者
- 需要快速实现特定功能的实践者
编写时应避免任何专业术语的假设,所有概念都应解释清楚。例如,提到"LCD"时应说明这是"轻客户端守护进程(Light Client Daemon)"的缩写。
写作风格要求
语言表达
- 使用第二人称("你")或第三人称
- 避免第一人称("我们"、"我"、"让我们")
- 句子简短明了,每段不超过3句
- 避免复杂从句和冗长表达
示例对比:
- 不佳:"首先我们需要安装Node.js,然后我们可以..."
- 良好:"安装Node.js后,执行以下命令..."
内容组织
- 只包含完成任务必需的信息
- 额外说明内容应链接到专门的解释性文档
- 操作步骤优先,理论解释为辅
文档结构规范
1. 标题设计
- 使用祈使语气(动词开头)
- 首字母大写,其余小写(除非专有名词)
- 明确反映教程内容
示例:
- "# 创建Terra钱包"
- "# 使用Terra.js查询链上数据"
2. 引言部分
- 2-3句话简要说明教程内容
- 概述读者将学到的技能
- 可包含简短的产品背景
示例模板: "本教程将指导你完成在Terra区块链上部署智能合约的全过程。你将学习如何设置开发环境、编写合约代码并部署到测试网。"
3. 先决条件
- 位于引言之后
- 使用无序列表列出所有依赖项
- 包含具体版本要求
- 避免在教程中途引入未列出的依赖
标准格式:
## 先决条件
- Node.js v16+
- Terra Station钱包
- 至少10 LUNA测试网代币
- 基础命令行知识
4. 操作步骤
- 使用编号标题(## 1. 设置环境)
- 复杂步骤分解为子步骤(使用有序列表)
- 每个代码块只包含一个命令
- 确保命令可直接复制执行
示例结构:
## 1. 初始化项目
1. 创建项目目录:
```sh
mkdir terra-project
-
进入目录并初始化npm:
cd terra-project npm init -y
### 5. 结束部分
- 祝贺用户完成教程
- 提供后续学习建议
- 可链接到相关进阶内容
## 格式规范详解
### 代码块处理
- 可执行命令使用sh代码块
- 代码引用使用`反引号`
- 保持代码原貌,不修改大小写或标点
- 避免在代码块中添加注释说明
**正确示例**:
要查询账户余额,使用:
```sh
terrad query bank balances <address>
标题层级
-
二级标题(主要步骤)
-
三级标题(子步骤)
- 避免使用四级及以上标题
列表使用
- 有序列表用于步骤序列
- 无序列表用于并列项
- 每个列表至少包含2项
特殊标注
- 重要提示使用警告框
- 按钮名称加粗(点击提交)
- 避免斜体等复杂样式
警告框示例: :::{admonition} 安全提醒 私钥必须严格保密,切勿提交到版本控制系统。 :::
最佳实践建议
- 测试教程:亲自按步骤操作一遍,确保无遗漏
- 用户视角:想象自己是完全的新手
- 持续迭代:根据用户反馈优化内容
- 保持更新:随产品版本更新教程内容
- 简洁为王:删除所有不必要的信息
通过遵循这些规范,我们可以确保Terra Money技术教程保持高质量和一致性,为开发者提供最佳的学习体验。记住,优秀的文档是项目成功的关键因素之一。
登录后查看全文
热门项目推荐
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
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
567
3.83 K
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++
892
667
Ascend Extension for PyTorch
Python
376
446
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
349
200
昇腾LLM分布式训练框架
Python
116
145
🎉 (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
1.37 K
778
暂无简介
Dart
798
197
React Native鸿蒙化仓库
JavaScript
308
359
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
1.13 K
271