Oz: Clojure与ClojureScript的数据可视化工具箱
Oz是一个基于Clojure构建的数据可视化与科学文档处理库,它围绕Vega-Lite和Vega设计。本教程旨在引导您了解如何设置、配置以及启动Oz项目,帮助您高效利用其强大的数据可视化功能。
1. 项目目录结构及介绍
Oz项目采用了典型的Clojure/ClojureScript项目布局,其核心结构如下:
- src: 包含项目的主要源代码。
src/oz: 主要业务逻辑和API实现。
- example-projects: 示例项目目录,提供快速上手的案例。
- deps.edn: 项目的依赖配置文件,列出所有必要的外部库。
- project.clj: Leiningen项目配置文件,定义了项目的元数据、依赖关系和构建指令。
- -shadow-cljs.edn: Shadow CLJS配置文件,用于ClojureScript编译和开发配置。
- README.md: 项目说明文档,提供了快速入门指导和详细特性描述。
- LICENSE: 许可证文件,声明了EPL-1.0许可证。
2. 项目的启动文件介绍
在Oz中,没有特定标记为“启动文件”的单个文件,但有一个关键入口点通常从dev/user.cljs或类似的开发配置文件开始。这个文件包含了设置REPL环境、启动服务器等初始化脚本。通过执行类似以下命令的代码块来启动服务:
(require '[oz.core :as oz])
(oz/start-server)
这将启动一个包含WebSocket连接的服务,允许数据可视化图表与客户端浏览器进行通信。
3. 项目的配置文件介绍
3.1 deps.edn
作为Clojure项目的依赖管理文件,deps.edn列出了项目依赖的所有外部库,包括Clojure本身、ClojureScript编译器以及像Vega和Vega-Lite这样的可视化库。它还可能包含指定版本号、仓库信息和自定义编译选项。
示例结构大致如下:
{:deps {com.raphtory/raphtory {:mvn/version "version-number"}}
:paths ["src"]
...}
3.2 project.clj
虽然Oz项目可能不直接强调project.clj(如果完全使用Shadow CLJS),但在其他Clojure项目中,该文件负责项目设置,包括名称、版本、作者信息、依赖项、测试和构建指令。对于那些使用Leiningen构建的Clojure部分,它至关重要。
(defproject my-oz-project "0.1.0-SNAPSHOT"
:description "My custom Oz-based visualization app"
:dependencies [[org.clojure/clojure "1.x.y"]
[metasoarous/oz "latest-version"]]
:repl-options {:init-ns my-namespace}
...)
3.3 Shadow CLJS配置 (shadow-cljs.edn)
用于ClojureScript的编译和开发设置,包含编译目标、源码路径和重载配置。这对于确保Oz的JavaScript部分能够正确编译和部署至浏览器是必不可少的。
{:builds
[{:id "app"
:target :browser
:source-paths ["srccljs"]
:output-to "public/js/main.js"
:asset-path "js"
...}]}
总结而言,Oz项目的使用始于理解这些基础文件的角色,并按照示例和文档中的指导操作。通过编辑dev/user.cljs或对应的ClojureScript源码来启动服务和实验可视化组件,结合deps.edn和shadow-cljs.edn配置以适应您的开发需求。
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