Electron React TypeScript 起步指南
1. 项目介绍
Electron React TypeScript 起步项目是一个用于快速启动基于 Electron、React 和 TypeScript 的桌面应用程序的开发框架。本项目旨在提供一个稳固的起点,帮助开发者避免在整合这些技术时遇到的一些常见问题。它包含了一些基本的修复和优化,使得在使用 React 和 TypeScript 开发 Electron 应用时更为顺畅。项目支持在代码变更时自动重新加载 Electron 应用,从而加速开发流程。
2. 项目快速启动
安装依赖
首先,确保您的系统中已安装了 Node.js 和 npm。
克隆项目到本地:
git clone https://github.com/nateshmbhat/electron-react-ts-starter.git
cd electron-react-ts-starter
分别安装渲染进程和主进程的依赖:
cd renderer
npm install
cd ../main
npm install
运行项目
启动渲染进程(React 应用):
cd renderer
npm run start
启动主进程(Electron 应用):
cd main
npm run start
构建项目
确保在 main/package.json 中的所有依赖项都已添加到 renderer/package.json。然后从渲染进程目录构建项目:
cd renderer
npm run release
# 或者使用 npm run build
构建完成后,您的应用程序将位于 dist 文件夹中。
3. 应用案例和最佳实践
使用 React Router
如果您的应用使用 React Router,建议使用 HashRouter 而不是 BrowserRouter。
修改构建设置
在 renderer/package.json 中,可以使用 build 属性来定制 electron-builder 的设置。所有静态资产和文件应放置在 assets 文件夹中。
生成不同类型的安装程序
要生成如 'msi'、'appx'、'7z'、'zip' 等不同类型的安装程序,您可以在 renderer/package.json 的 build 属性中更改 target。
处理嵌套的 TypeScript 文件结构
如果 main 文件夹中存在嵌套的 TypeScript 文件结构,请在构建 React 应用之前,将所有生成的 .js 文件复制到 renderer/public/ 文件夹中。
4. 典型生态项目
本项目的典型生态项目包括 Windows Terminal Tweaker,它使用这个起步项目作为基础来开发一个定制化的 Windows 终端配置工具。
以上就是使用 Electron React TypeScript 起步项目的简要指南。希望这对您的开发工作有所帮助。
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