Flutter QuickJS 引擎使用教程
1. 项目介绍
flutter_qjs 是一个为 Flutter 开发的 QuickJS 引擎插件。QuickJS 是一个轻量级的 JavaScript 引擎,支持 ES2020 规范。flutter_qjs 插件基于 dart:ffi,支持除 Web 以外的所有平台。通过该插件,开发者可以在 Flutter 应用中嵌入 JavaScript 引擎,实现 Dart 与 JavaScript 之间的无缝交互。
2. 项目快速启动
2.1 安装依赖
首先,在 pubspec.yaml 文件中添加 flutter_qjs 依赖:
dependencies:
flutter_qjs: ^0.3.7
然后运行 flutter pub get 安装依赖。
2.2 基本使用
以下是一个简单的示例,展示如何在 Flutter 应用中使用 flutter_qjs 引擎:
import 'package:flutter_qjs/flutter_qjs.dart';
void main() async {
// 创建 FlutterQjs 对象
final engine = FlutterQjs(stackSize: 1024 * 1024); // 设置堆栈大小
// 建立事件循环
engine.dispatch();
try {
// 运行 JavaScript 脚本
final result = engine.evaluate("1 + 2");
print("JavaScript 执行结果: $result");
} catch (e) {
print("执行错误: ${e.toString()}");
}
// 关闭引擎
engine.port.close(); // 停止事件循环
engine.close(); // 关闭引擎
}
2.3 数据转换规则
Dart 与 JavaScript 之间的数据转换遵循以下规则:
Bool->booleanInt->numberDouble->numberString->stringUint8List->ArrayBufferList->ArrayMap->ObjectFunction->JSInvokable
3. 应用案例和最佳实践
3.1 动态脚本执行
在某些场景下,开发者可能需要在运行时动态执行 JavaScript 脚本。flutter_qjs 提供了一个简单的方式来实现这一点:
final script = "function add(a, b) { return a + b; }";
engine.evaluate(script);
final result = engine.evaluate("add(1, 2)");
print("动态脚本执行结果: $result");
3.2 与 Dart 函数交互
flutter_qjs 允许将 Dart 函数传递给 JavaScript 环境,并在 JavaScript 中调用这些函数:
void dartFunction(int a, int b) {
print("Dart 函数被调用: ${a + b}");
}
engine.evaluate("function callDartFunction(fn) { fn(1, 2); }");
engine.evaluate("callDartFunction", dartFunction);
4. 典型生态项目
4.1 Flutter 插件生态
flutter_qjs 可以与其他 Flutter 插件结合使用,例如与 flutter_webview 插件结合,实现 Web 与原生代码的混合开发。
4.2 动态配置管理
在某些应用中,可能需要通过远程配置文件动态调整应用行为。flutter_qjs 可以用于解析和执行这些配置文件中的 JavaScript 代码,从而实现动态配置管理。
4.3 游戏开发
在游戏开发中,flutter_qjs 可以用于实现脚本化的游戏逻辑,允许开发者通过 JavaScript 编写游戏规则和行为,从而提高开发效率和灵活性。
通过以上内容,您应该已经对 flutter_qjs 有了基本的了解,并能够开始在 Flutter 项目中使用它。
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-X1-7BSpark-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-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