R Markdown模板集合使用教程
1. 项目介绍
本项目是一个R Markdown模板的集合,旨在提供多样化的模板选择,以适应不同的文档需求和风格偏好。这些模板不使用Bootstrap,也不依赖于jQuery,可以用于创建不拘泥于特定框架的文档。本项目包含了多个模板,如使用Bulma、Skeleton、Kube CSS框架的模板,以及适用于Hugo网站、WordPress的Prismpress和Prismskel模板等。
2. 项目快速启动
在开始使用之前,需要安装该模板包。由于该包尚未在CRAN上发布,你需要使用devtools包来从Git仓库安装它。
install.packages("devtools")
devtools::install_git("https://sr.ht/~hrbrmstr/markdowntemplates")
# 或者
devtools::install_git("https://gitlab.com/hrbrmstr/markdowntemplates")
# 或者
devtools::install_github("hrbrmstr/markdowntemplates")
安装完成后,你可以在RStudio中创建一个新的R Markdown文档,并从模板中选择一个来开始。
3. 应用案例和最佳实践
以下是一些使用本项目模板的应用案例和最佳实践:
-
使用bulma模板创建文档:在R Markdown文件的YAML头中设置
output: markdowntemplates::bulma,然后编写文档内容。Bulma模板支持可选的导航链接和页脚内容。 -
为Hugo网站生成Markdown:使用
hugo模板,在YAML头中设置output: markdowntemplates::hugo。保存生成的Markdown文件到Hugo网站的content目录下。 -
在WordPress中使用Prismpress模板:在YAML头中设置
output: markdowntemplates::prismpress,然后上传生成的Markdown文件到WordPress,确保你的WordPress安装了Jetpack插件并开启了Markdown支持。
4. 典型生态项目
本项目可以作为多个生态项目的一部分,例如:
-
数据科学报告:使用
minimal模板生成简洁的报告,专注于内容而非样式。 -
学术文章撰写:利用
kube模板的优雅布局,帮助撰写和格式化学术文章。 -
在线课程材料:通过
to_jupyter函数将R Markdown文档转换为Jupyter笔记本,便于在线教学和课程共享。
使用这些模板,可以大大提升文档的美观性和专业性,同时也为开源项目提供了更好的文档支持。
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-1.5暂无简介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
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