Twitter Bootstrap 技术文档
1. 安装指南
1.1 使用预编译的 CSS 文件
如果你希望快速开始使用 Twitter Bootstrap,可以直接使用预编译的 CSS 文件。你只需要将 bootstrap.css 文件引入到你的项目中即可。
<link rel="stylesheet" type="text/css" href="bootstrap.css">
1.2 使用 LESS 编译
如果你希望使用 LESS 编译 Bootstrap,你需要在你的项目中引入 bootstrap.less 文件,并使用 less.js 进行实时编译。
<link rel="stylesheet/less" type="text/css" href="lib/bootstrap.less">
<script src="less.js" type="text/javascript"></script>
1.3 使用 Makefile 进行编译
如果你是开发者,并且希望手动编译 Bootstrap,可以使用项目提供的 Makefile。首先,确保你已经安装了 lessc 编译器。
make build
这个命令会生成 bootstrap.css 和 bootstrap.min.css 文件。
如果你希望自动监视 LESS 文件的变化并自动编译,可以使用以下命令:
make watch
这个命令需要 watchr 工具的支持。
2. 项目的使用说明
2.1 基本使用
Twitter Bootstrap 提供了丰富的 CSS 样式,包括排版、表单、按钮、表格、网格系统、导航、警告等。你可以直接在 HTML 中使用这些样式。
例如,使用 Bootstrap 的按钮样式:
<button class="btn btn-primary">点击我</button>
2.2 自定义样式
如果你使用 LESS 版本,可以通过修改 bootstrap.less 文件中的变量来自定义 Bootstrap 的样式。例如,修改主题颜色:
@brand-primary: #ff0000;
3. 项目 API 使用文档
3.1 网格系统
Bootstrap 提供了强大的网格系统,用于布局页面。网格系统基于 12 列布局,你可以通过 row 和 col 类来创建网格。
<div class="row">
<div class="col-md-6">左侧内容</div>
<div class="col-md-6">右侧内容</div>
</div>
3.2 表单
Bootstrap 提供了多种表单样式,包括水平表单、内联表单等。
<form class="form-horizontal">
<div class="form-group">
<label for="inputEmail" class="col-sm-2 control-label">Email</label>
<div class="col-sm-10">
<input type="email" class="form-control" id="inputEmail" placeholder="Email">
</div>
</div>
</form>
3.3 导航栏
Bootstrap 提供了多种导航栏样式,可以轻松创建响应式导航栏。
<nav class="navbar navbar-default">
<div class="container-fluid">
<div class="navbar-header">
<a class="navbar-brand" href="#">网站名称</a>
</div>
<ul class="nav navbar-nav">
<li class="active"><a href="#">首页</a></li>
<li><a href="#">关于我们</a></li>
</ul>
</div>
</nav>
4. 项目安装方式
4.1 下载预编译的 CSS 文件
你可以直接从项目官网下载预编译的 CSS 文件,并将其引入到你的项目中。
4.2 使用包管理器安装
如果你使用包管理器(如 npm 或 Bower),可以通过以下命令安装 Bootstrap:
npm install bootstrap
或
bower install bootstrap
4.3 手动编译
如果你希望手动编译 Bootstrap,可以克隆项目仓库并使用 Makefile 进行编译。
git clone https://github.com/twitter/bootstrap.git
cd bootstrap
make build
通过以上步骤,你可以成功安装并使用 Twitter Bootstrap 来构建现代化的网页。
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
Spark-Prover-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
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-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