【亲测免费】 Node-RED Dashboard 2.0 安装与配置指南
1. 项目基础介绍
Node-RED Dashboard 2.0 是一个用于 Node-RED 的开源项目,旨在帮助用户快速创建数据驱动的仪表盘和数据可视化界面。该项目提供了一组易于使用的节点,使用户能够轻松构建自定义的用户界面和数据可视化。Node-RED Dashboard 2.0 是 Node-RED Dashboard 1.0 的升级版,基于现代技术栈重新构建,提供了更好的性能和更多的功能。
主要编程语言
- JavaScript
- HTML
- CSS
2. 项目使用的关键技术和框架
- Node-RED: 一个基于流的编程工具,用于连接硬件设备、API 和在线服务。
- Vue.js: 用于构建用户界面的渐进式 JavaScript 框架。
- Cypress: 用于前端测试的现代工具。
- Markdown & Mermaid: 用于创建富文本和动态图表的工具。
3. 项目安装和配置的准备工作和详细步骤
准备工作
- 安装 Node.js: 确保你的系统上已经安装了 Node.js(版本 12 或更高)。你可以从 Node.js 官网 下载并安装。
- 安装 Node-RED: 如果你还没有安装 Node-RED,可以通过以下命令安装:
npm install -g node-red
安装步骤
-
启动 Node-RED: 打开终端并运行以下命令启动 Node-RED:
node-red这将启动 Node-RED 并在默认浏览器中打开 Node-RED 编辑器。
-
安装 Node-RED Dashboard 2.0: 在 Node-RED 编辑器中,点击右上角的菜单按钮,选择“管理面板”(Manage Palette)。
-
切换到“安装”选项卡: 在“管理面板”中,切换到“安装”选项卡。
-
搜索并安装 Node-RED Dashboard 2.0: 在搜索框中输入
@flowfuse/node-red-dashboard,然后点击“安装”按钮。 -
等待安装完成: 安装过程可能需要几分钟时间,请耐心等待。
-
验证安装: 安装完成后,你可以在 Node-RED 编辑器的左侧节点面板中看到新的 Dashboard 节点。
配置步骤
-
创建一个新的 Dashboard 页面: 在 Node-RED 编辑器中,拖动一个
ui_dashboard节点到工作区,并将其连接到你的数据流。 -
配置 Dashboard 节点: 双击
ui_dashboard节点,配置页面的标题、布局和其他属性。 -
添加其他 Dashboard 组件: 你可以添加其他 Dashboard 组件,如
ui_chart、ui_gauge等,以构建你的数据可视化界面。 -
部署更改: 完成配置后,点击右上角的“部署”按钮,保存并应用你的更改。
-
访问 Dashboard: 打开浏览器,访问
http://localhost:1880/ui,你将看到你刚刚创建的 Dashboard 页面。
总结
通过以上步骤,你已经成功安装并配置了 Node-RED Dashboard 2.0。现在你可以开始构建自己的数据驱动仪表盘和数据可视化界面了。如果你有任何问题或需要进一步的帮助,可以参考项目的 GitHub 仓库 或访问 Node-RED 官方文档。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00