Sandboxed Module 技术文档
1. 安装指南
要安装 sandboxed-module,请在终端中运行以下命令:
npm install sandboxed-module
2. 项目的使用说明
sandboxed-module 是一个用于依赖注入的 Node.js 模块加载器。它允许你在模块中注入依赖项,主要用于单元测试。以下是一个简单的使用示例:
var SandboxedModule = require('sandboxed-module');
var user = SandboxedModule.require('./user', {
requires: {'mysql': {fake: 'mysql module'}},
globals: {myGlobal: 'variable'},
locals: {myLocal: 'other variable'},
});
在这个示例中,sandboxed-module 加载了 ./user 模块,并注入了 mysql 模块的假实现,以及一些全局和局部变量。
3. 项目API使用文档
SandboxedModule.load(moduleId, [options])
返回一个新的 SandboxedModule,其中 moduleId 是通常传递给 require() 的模块路径或 ID。该模块将在其自己的 v8 上下文中加载,但可以访问正常的 Node.js 环境。
options 是一个可选对象,用于注入以下内容:
requires:一个对象,包含moduleId和要注入的值,当沙盒模块需要它们时。globals:一个对象,包含要注入到沙盒模块中的全局变量。locals:一个对象,包含要注入到沙盒模块中的局部变量。sourceTransformers:一个对象,包含命名的函数,用于转换沙盒模块的源代码。singleOnly:如果为 false,沙盒模块所需的模块将不会被沙盒化。默认情况下,所有沙盒模块所需的模块都将使用相同的选项进行沙盒化。sourceTransformersSingleOnly:如果为 false,源转换器将不会对沙盒模块所需的模块运行。默认情况下,它将采用与singleOnly相同的值。
SandboxedModule.require(moduleId, [options])
与 SandboxedModule.load() 相同,但直接返回 sandboxedModule.exports。
SandboxedModule.configure(options)
在所有 SandboxedModule.load() 和 SandboxedModule.require() 使用中全局设置选项。
SandboxedModule.registerBuiltInSourceTransformer(name)
启用内置的源转换器。目前,SandboxedModule 有两个内置源转换器:
"coffee"- 使用 CoffeeScript 编译源代码。"istanbul"- 当 istanbul 代码覆盖运行时,通过 istanbul 进行源代码插桩。
sandboxedModule.filename
模块的完整路径。
sandboxedModule.module
底层的 Node.js Module 实例。
sandboxedModule.exports
返回 sandboxedModule.module.exports 对象的 getter。
sandboxedModule.globals
该模块加载的 v8 上下文的全局对象。对该对象的修改将反映在沙盒模块中。
sandboxedModule.locals
使用闭包注入到沙盒模块中的局部变量。修改此对象不会影响沙盒的状态。
sandboxedModule.required
一个对象,包含沙盒模块本身所需的所有模块的列表。键是用于 require 调用的 moduleId。
sandboxedModule.sourceTransformers
一个命名的函数对象,用于转换通过 SandboxedModule.require 所需的源代码。
4. 项目安装方式
sandboxed-module 可以通过 npm 安装,安装命令如下:
npm install sandboxed-module
安装完成后,你可以在项目中通过 require('sandboxed-module') 来使用它。
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00- DDeepSeek-OCRDeepSeek-OCR是一款以大语言模型为核心的开源工具,从LLM视角出发,探索视觉文本压缩的极限。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
HunyuanWorld-Mirror混元3D世界重建模型,支持多模态先验注入和多任务统一输出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Jinja00
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Chemistry-X1-13B科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00