React Native Worklets Core 项目下载与安装教程
1. 项目介绍
React Native Worklets Core 是一个用于在 React Native 应用中运行 JavaScript 函数(称为 "Worklets")的库,能够在单独的线程上执行,从而提高应用性能和响应速度。这个库通常不作为独立依赖使用,而是作为其他模块如 react-native-vision-camera、react-native-wishlist 或 react-native-skia 的同伴依赖。
2. 项目下载位置
本项目托管在 GitHub 上,项目地址为:https://github.com/margelo/react-native-worklets-core.git
3. 项目安装环境配置
在开始安装之前,请确保你的开发环境中已经安装了以下工具:
- Node.js
- npm 或 yarn 包管理器
- React Native 开发环境
以下是一个典型的环境配置流程:
安装 Node.js 和 npm/yarn
首先,确保你的系统上安装了 Node.js 和 npm/yarn。可以通过在终端运行以下命令来检查安装情况:
node -v
npm -v
# 或者
yarn -v
如果没有安装或版本不符合要求,请访问 Node.js 官网下载安装。
安装 React Native CLI
在终端中运行以下命令来安装 React Native CLI:
npm install -g react-native-cli
# 或者
yarn global add react-native-cli
创建 React Native 项目
创建一个新的 React Native 项目,以便进行 Worklets Core 的集成测试:
npx react-native init MyNewProject
cd MyNewProject
环境配置示例
以下是安装 Node.js 的界面示例(假设使用包管理器):

以下是 React Native CLI 安装成功的终端输出示例:

4. 项目安装方式
在已经配置好的 React Native 项目中,通过以下命令将 React Native Worklets Core 库安装为依赖:
npm install react-native-worklets-core
# 或者
yarn add react-native-worklets-core
安装完成后,需要在 Babel 配置文件中添加相应的插件。在项目根目录下的 babel.config.js 文件中添加以下内容:
module.exports = {
plugins: [
["react-native-worklets-core/plugin"],
],
};
然后重启 Metro 并清理缓存:
yarn start --reset-cache
5. 项目处理脚本
在项目的 package.json 文件中,可以添加一些脚本来简化项目的构建和运行流程。例如:
{
"scripts": {
"start": "react-native start",
"build": "react-native run-android",
"test": "jest"
}
}
这样,你就可以通过运行 yarn start 来启动项目,yarn build 来构建应用,或者 yarn test 来运行测试。
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00