Instabug-React-Native 使用教程
1. 项目介绍
Instabug-React-Native 是一个为 React Native 应用提供 in-app 反馈和 bug 报告的开源工具。用户或测试者通过简单的摇晃设备,即可报告 bug 或发送应用内反馈。该 SDK 能够捕获设备的快照,包括所有控制台日志和服务器端网络请求,便于开发者更快地调试和修复 bug。同时,它还提供可靠的崩溃报告功能,自动捕获运行环境、线程状态、重现崩溃的步骤以及网络请求日志。
2. 项目快速启动
首先,确保你已经安装了 Node.js 和 React Native 开发环境。
安装 Instabug-React-Native
在终端中,导航到你 React Native 项目的目录下,执行以下命令安装 instabug-reactnative 包:
npm install instabug-reactnative
或者,如果你更倾向于使用 Yarn:
yarn add instabug-reactnative
对于 iOS 项目,你还需要执行以下额外步骤:
cd ios
pod install
cd ..
初始化 Instabug
在你的 React 组件中,导入 Instabug 并在 constructor 或 componentWillMount 中初始化它:
import Instabug from 'instabug-reactnative';
Instabug.init({
token: 'APP_TOKEN',
invocationEvents: [Instabug.invocationEvent.shake]
});
请将 'APP_TOKEN' 替换为你从 Instabug 仪表板中获取的应用 token。
3. 应用案例和最佳实践
微phone 和相册库使用描述(iOS)
iOS 10 及以上版本的 App 需要在 info.plist 文件中添加麦克风和相册库的使用描述,以避免提交到 App Store 时被拒绝。
在 info.plist 文件中添加以下键,并附上解释用户为什么需要这些权限的文本:
<key>NSMicrophoneUsageDescription</key>
<string>我们的应用需要访问麦克风以便用户附加语音备忘录。</string>
<key>NSPhotoLibraryUsageDescription</key>
<string>我们的应用需要访问您的相册库以便用户附加图片。</string>
崩溃报告的源图文件上传
为了在崩溃报告中显示完整的符号化堆栈跟踪,我们需要自动生成并上传源图文件。这需要在 JavaScript 中的 Instabug.init 方法中明确添加你的应用 token。
如果你将应用 token 定义为一个常量,你可以设置一个环境变量 INSTABUG_APP_TOKEN 来替代。
网络日志
Instabug 默认启用网络日志,它会拦截所有使用 fetch 或 XMLHttpRequest 执行的请求,并将它们附加到发送到仪表板的报告中。如果你想禁用网络日志:
import { NetworkLogger } from 'instabug-reactnative';
NetworkLogger.setEnabled(false);
4. 典型生态项目
目前,Instabug-React-Native 支持以下流行的 React Native 导航库:
react-navigationv5:在NavigationContainer中设置onStateChange为Instabug.onStateChangereact-native-navigation:使用Navigation.events().registerComponentDidAppearListener(Instabug.componentDidAppearListener)注册监听器
你也可以手动报告屏幕变化,通过以下 API:
Instabug.reportScreenChange('screenName');
如果你想禁用 Repro Steps 功能,可以通过以下 API:
Instabug.setReproStepsConfig({
all: ReproStepsMode.disabled
});
以上就是 Instabug-React-Native 的使用教程,希望对你有所帮助。
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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