MyMonero Core JS 开源项目指南
项目目录结构及介绍
MyMonero Core JS 是一个围绕Monero加密技术和轻量级钱包功能的JavaScript库,支持官方MyMonero应用。以下是其主要目录结构和组件介绍:
主要目录简介
-
bin
包含了多种便利脚本,例如用于将库打包以便在网页中独立运行的package_browser_js。 -
monero_utils
包含Monero核心加密功能的实现,以及MyMoneroCoreCpp相关的桥接代码,这些是由Monero的C++代码通过Emscripten编译而来的。 -
src
源代码目录,存储了项目的主要JavaScript代码。 -
test
单元测试相关文件,用于确保代码的质量和功能正确性。 -
.gitignore, CMakeLists.txt, LICENSE.txt, README.md
分别是Git忽略文件、CMake构建列表、许可证文件和项目的读我文档。 -
index.js
入口文件,提供了对MyMoneroCoreBridge实例的访问,是项目的主要接口点。 -
package-lock.json, package.json
NPM包管理相关的文件,定义了项目的依赖和元数据。
项目的启动文件介绍
MyMonero Core JS项目本身不直接提供一个传统的“启动”命令,因为它主要是作为一个库被其他应用程序所集成。然而,对于开发者想要构建或测试此库时,关键入口点包括:
- 在进行任何构建之前,执行
npm install来安装必要的依赖。 - 构建新WASM(WebAssembly)版本的关键命令是
npm run build,这会在适当的情况下处理所有的编译流程。
因此,虽然没有直接的“启动文件”,但 npm run build 可视作构建和准备库使用的触发器。
项目的配置文件介绍
-
package.json
这个文件包含了NPM包的元数据,比如版本号、作者信息、依赖关系以及自定义的npm脚本,其中的scripts部分定义了如build这样的自定义任务。 -
CMakeLists.txt
虽然提到但并非直接操作于日常使用中,这个文件用于构建Monero的核心C++代码到JS模块的过程,涉及到更底层的构建配置,特别是当涉及到使用Emscripten编译C++代码时。 -
.gitignore
配置文件,指定哪些文件或目录不应被Git跟踪,对于开发环境来说是非常重要的配置项,帮助保持仓库的整洁。
请注意,实际的配置和构建过程高度依赖于Node.js环境以及Emscripten SDK,开发者需要遵循Readme中的指示来进行正确的设置和构建。
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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
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