Mixpanel-node 技术文档
1. 安装指南
要使用 mixpanel-node,首先需要通过 npm 进行安装:
npm install mixpanel
2. 项目使用说明
mixpanel-node 是一个服务器端 JavaScript 库,为 Mixpanel 提供了许多官方 JavaScript 库的功能。它是易于使用的,完全异步,并旨在在服务器上使用(它不是一个客户端模块)。浏览器客户端库可在 mixpanel-js 获得。
以下是 mixpanel-node 的基本用法:
var Mixpanel = require('mixpanel');
var mixpanel = Mixpanel.init('<YOUR_TOKEN>');
使用 <YOUR_TOKEN> 替换为您的 Mixpanel 项目令牌。
跟踪事件
mixpanel.track('my event', {
distinct_id: 'some unique client id',
properties: 'as',
you: 'want'
});
设置用户属性
mixpanel.people.set('billybob', {
$first_name: 'Billy',
$last_name: 'Bob',
$created: (new Date('jan 1 2013')).toISOString(),
plan: 'premium',
games_played: 1,
points: 0
});
3. 项目API使用文档
mixpanel-node 提供了丰富的 API 用于跟踪事件、设置用户属性等。
跟踪事件
mixpanel.track(event, [properties], [callback]) - 跟踪一个事件。
设置用户属性
mixpanel.people.set(distinct_id, properties, [options]) - 设置或更新一个用户的属性。
创建或更新用户
mixpanel.people.set_once(distinct_id, properties) - 仅当属性不存在时设置用户属性。
增加用户属性值
mixpanel.people.increment(distinct_id, properties) - 增加用户的数值属性。
添加到列表
mixpanel.people.append(distinct_id, properties) - 将值追加到列表。
合并到列表
mixpanel.people.union(distinct_id, properties) - 合并值到列表中,忽略重复项。
跟踪交易
mixpanel.people.track_charge(distinct_id, amount) - 记录一个用户的交易。
清除交易历史
mixpanel.people.clear_charges(distinct_id) - 清除用户的交易历史。
删除用户
mixpanel.people.delete_user(distinct_id) - 删除一个用户。
更多 API 使用详情,请参考官方文档。
4. 项目安装方式
如前所述,项目的安装方式是通过 npm:
npm install mixpanel
安装后,你可以通过 require('mixpanel') 在你的项目中引入 mixpanel-node 库。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00