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。
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