Elm 0.19 工作坊教程
2024-09-08 21:56:59作者:庞眉杨Will
本教程将引导您了解并实践由 Richard Feldman 提供的 Elm 0.19 版本的工作坊。此工作坊分为入门和高级课程,旨在教授 Elm 编程语言的核心概念,以及如何构建从基础到复杂的应用程序。
1. 项目目录结构及介绍
Elm 0.19 工作坊的目录结构设计为了逐步学习和实践 Elm 的各项特性:
- 根目录 包含了共同的指导说明和指向不同部分的链接。
intro: 入门课程的相关资料。advanced: 高级课程的内容,适合已经有一定基础的开发者。server: 这个子目录包含了用于支持前端 Elm 应用的后端服务器代码。services: 含有服务定义的 Moleculer 目录,用于构建微服务环境。package.json: Node.js 项目配置文件,定义了依赖和脚本命令。
src: Elm 源码存放位置,包括主应用逻辑。
- `LICENSE**: 许可证文件,表明项目遵循 MIT 协议。
README.md: 主要的阅读材料,提供了快速上手的指南。
2. 项目的启动文件介绍
后端服务器启动
在进行 Elm 应用开发前,首先需要运行后端支持服务器。关键的启动步骤聚焦在 advanced/server 目录下:
- 启动文件 主要是通过运行
npm命令来启动,具体是执行npm start。这将会启动一个基于moleculer的服务,该服务为 Elm 前端提供必要的 API 支持或者静态文件服务。
Elm UI 启动
- 对于 Elm UI,虽然没有传统意义上的“启动”文件,但首次编译和构建 Elm 代码是通过在
advanced/server/或相应 Elm 源码目录下执行elm make src/Main.elm --output=/server/public/elm.js来完成的。这编译 Elm 源码并输出为 JavaScript 文件,准备由前端加载。
3. 项目的配置文件介绍
-
package.json:位于
advanced/server中,定义了 Node.js 项目的依赖包和脚本命令。这是管理后端服务依赖和启动流程的关键文件。通过这个文件中的scripts部分,可以轻松地运行开发服务器 (npm start) 或处理其他构建任务。 -
elm-package.json(未直接提及,但通常存在于 Elm 项目中):在 Elm 项目的源码目录中,管理 Elm 的依赖项。不过在这个特定工作坊结构中,更多依赖于具体的课程说明而非独立列出的配置文件。
在操作这些环节时,请确保遵循根目录下的 README.md 中提供的具体指引,尤其是关于环境设置和先决条件的部分,以确保顺利进行项目的学习和开发。
登录后查看全文
热门项目推荐
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
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
185
196
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
480
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
276
97
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
380
3.44 K
暂无简介
Dart
623
140
React Native鸿蒙化仓库
JavaScript
242
315
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
648
265
openGauss kernel ~ openGauss is an open source relational database management system
C++
157
210