Knockout-Sortable 使用指南
1. 项目介绍
Knockout-Sortable 是一个专为 Knockout.js 设计的绑定插件,旨在连接 observableArrays 和 jQuery UI 的可排序功能。此插件让用户能够通过拖放操作在列表中或列表间调整项的位置,并确保相应的 observableArrays 得到恰当更新。它支持基本的匿名模板和命名模板使用场景,提供丰富的自定义选项以满足不同的交互需求。
2. 项目快速启动
要迅速开始使用 Knockout-Sortable,首先需确保你的项目环境中已安装了 Knockout.js 和 jQuery UI。以下是一个基础示例:
安装依赖
可以通过 npm 或者直接下载源码来获取 Knockout-Sortable。然而,鉴于给出的链接是 GitHub 仓库,你可以克隆或者下载 zip 文件来获得源码。
示例代码
假设你已经有了 Knockout.js 和 jQuery UI 的引入,下面是如何快速集成 Knockout-Sortable 的例子:
<!DOCTYPE html>
<html lang="en">
<head>
<meta charset="UTF-8">
<title>Knockout-Sortable 快速启动</title>
<!-- 引入 Knockout.js, jQuery, jQuery UI, 及 Knockout-Sortable -->
<!-- 注意实际开发中需要替换成正确的路径或CDN链接 -->
<script src="path/to/knockout.min.js"></script>
<script src="path/to/jquery.min.js"></script>
<script src="path/to/jquery-ui.min.js"></script>
<script src="path/to/knockout-sortable.js"></script>
</head>
<body>
<ul data-bind="sortable: items">
<li data-bind="text: name"></li>
</ul>
<script type="text/javascript">
// 初始化 Knockout 观察对象
var ViewModel = function() {
this.items = ko.observableArray([
{name: 'Item 1'},
{name: 'Item 2'},
{name: 'Item 3'}
]);
};
// 应用绑定
ko.applyBindings(new ViewModel());
</script>
</body>
</html>
这段代码创建了一个简单的列表,列表中的每一项都可以被拖动重新排序,而这种变动会实时反映在数据模型中。
3. 应用案例和最佳实践
在复杂应用中,可以利用 beforeMove, afterMove 等回调函数来执行更复杂的逻辑,比如同步服务器状态,或是实现跨列表的拖放支持。
示例:多列之间移动
如果你有一个场景涉及到多个可排序列表,你可以通过配置 connectClass 来允许特定类别的元素作为目标容器。
// 假设每个列表都有ko_container类
<div class="ko_container" data-bind="sortable: { data: list1, connectClass: 'ko_container' }"></div>
<div class="ko_container" data-bind="sortable: { data: list2, connectClass: 'ko_container' }"></div>
并确保这些配置适应于你的界面设计,使得用户可以直观地知道哪些列表是可以互换项目的。
4. 典型生态项目
虽然提供的链接主要指向的是原始的 Knockout-Sortable 与 jQuery UI 结合的版本,但值得注意的是,还有其他现代库如 SortableJS 提供了类似的Knockout绑定,例如 SortableJS/knockout-sortablejs,这为那些希望避开 jQuery UI 依赖,寻求现代化拖拽解决方案的开发者提供了选择。这个插件保持了相似的绑定语法,但兼容的是 SortableJS,它可能更适合新项目或者希望减少依赖的开发者。
以上内容概括了 Knockout-Sortable 的基本使用流程、如何快速启动以及一些高级用法概述。在实际应用中,根据具体需求,开发者应详细阅读项目文档,以便充分利用其提供的所有特性和灵活性。
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