Makepad 开源项目教程
1、项目介绍
Makepad 是一个用于 Rust 的创意软件开发平台,能够编译为 wasm/webGL、osx/metal、windows/dx11 和 linux/opengl。Makepad 由 Makepad 框架和 Makepad 工作室组成。Makepad 框架是一个 UI 框架,包含多个 crate,其中顶级 crate 是 makepad-widgets。Makepad 工作室是一个使用 Makepad 框架构建的原型 IDE,目前仍在积极开发中,目标是创建一个能够在运行时更改应用程序设计的 IDE。
2、项目快速启动
2.1 安装 Rust
首先,您需要安装 Rust。可以通过以下命令安装:
curl --proto '=https' --tlsv1.2 -sSf https://sh.rustup.rs | sh
2.2 克隆 Makepad 仓库
使用以下命令克隆 Makepad 仓库:
git clone https://github.com/makepad/makepad.git
cd makepad
2.3 安装 cargo-makepad
安装 Makepad 的 cargo 子命令:
cargo install --path ./tools/cargo_makepad
2.4 安装平台工具链
安装 nightly Rust 工具链:
rustup toolchain install nightly
2.5 运行 Makepad 工作室
使用以下命令运行 Makepad 工作室:
cargo run -p makepad-studio --release
3、应用案例和最佳实践
3.1 示例应用:makepad-example-simple
Makepad 提供了多个示例应用,其中 makepad-example-simple 是一个简单的示例应用。您可以通过以下命令运行该示例:
cd examples/simple
cargo run
3.2 最佳实践
- 使用 nightly Rust 工具链:由于 Makepad 的一些运行时错误(特别是 DSL 中的错误)在没有行信息的情况下不会生成,建议使用 nightly Rust 工具链。
- 跨平台开发:Makepad 支持多个平台,包括 MacOS、Windows、Linux、Android、iOS 和 WebAssembly。您可以根据需要选择合适的平台进行开发。
4、典型生态项目
4.1 Makepad 框架
Makepad 框架是 Makepad 的核心部分,提供了 UI 开发的基础设施。它包含多个 crate,其中 makepad-widgets 是顶级 crate。
4.2 Makepad 工作室
Makepad 工作室是一个使用 Makepad 框架构建的原型 IDE,旨在创建一个能够在运行时更改应用程序设计的 IDE。
4.3 示例应用
Makepad 提供了多个示例应用,如 makepad-example-fractal-zoom、makepad-example-ironfish 和 makepad-example-simple,这些示例展示了如何使用 Makepad 框架构建不同类型的应用程序。
通过以上教程,您应该能够快速上手 Makepad 项目,并开始使用 Makepad 框架和 Makepad 工作室进行跨平台 UI 开发。
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