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。
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