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。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00