WeTrident项目开发指南:从环境搭建到本地测试
2025-06-26 04:55:04作者:裘晴惠Vivianne
项目概述
WeTrident是一个功能强大的移动应用开发框架,提供了状态管理、页面导航、网络请求等核心功能模块。本文将为开发者详细介绍如何搭建WeTrident的开发环境、理解项目结构、进行本地开发和测试验证。
环境准备
基础工具安装
WeTrident开发需要以下工具支持:
- wml:用于开发过程中的文件同步,实时同步library目录的修改到测试项目
- verdaccio:用于发布前本地模拟npm发布环境
- nvm:用于Node版本管理,确保团队使用统一的Node环境
Node环境配置
使用nvm安装项目指定的Node版本:
nvm install
项目结构解析
WeTrident采用模块化设计,主要目录结构如下:
.
├── __tests__ # 测试用例目录
├── app-seed # 项目模板,包含多种初始化模板
├── docs # 项目文档
├── library # 核心功能模块
├── libraryDev # 开发测试工程,兼具Demo功能
├── local-cli # 项目级CLI工具
├── traversal-server # 页面自动化遍历服务
├── trident-cli # 全局CLI工具
├── trident-ui # 配套UI组件库
└── website # 项目官网
核心模块说明
- library:包含状态管理、导航、网络等核心功能
- libraryDev:开发测试工程,用于验证library的修改
- trident-cli:提供项目初始化和环境检查功能
开发流程
1. 启动测试工程
首先安装全局CLI工具:
npm i -g @webank/trident-cli
进入libraryDev目录并启动:
cd libraryDev
tdt install # 安装依赖
tdt run ios # 启动iOS模拟器
tdt run android # 启动Android模拟器
2. 连接本地库文件
默认情况下,libraryDev引用的是已发布的trident版本。要连接本地开发版本:
npm run syncLib
此命令会将library和trident-ui目录同步到libraryDev的node_modules中,并保持实时同步。
3. 添加新依赖
当需要新增依赖时:
- 在libraryDev/package.json中添加依赖
- 在根目录package.json中也需添加相同依赖
本地测试发布
使用Verdaccio模拟发布
- 启动Verdaccio服务:
verdaccio
- 配置npm使用本地registry:
npm set registry http://localhost:4873/
- 执行发布命令:
npm run publishAll
此命令会发布@webank/trident-cli和@webank/trident两个包到本地registry。
开发建议
- 保持环境统一:严格使用项目指定的Node版本和工具链
- 充分测试:修改library后,应在libraryDev中充分验证
- 文档同步:代码修改后及时更新相关文档
- 模块化开发:新功能尽量以模块形式添加,保持代码结构清晰
通过以上流程,开发者可以高效地进行WeTrident的功能开发和验证工作。
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
最新内容推荐
IEC61850建模工具及示例资源:智能电网自动化配置的完整指南 海康威视DS-7800N-K1固件升级包全面解析:提升安防设备性能的关键资源 2022美赛A题优秀论文深度解析:自行车功率分配建模的成功方法 SteamVR 1.2.3 Unity插件:兼容Unity 2019及更低版本的VR开发终极解决方案 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 Photoshop作业资源文件下载指南:全面提升设计学习效率的必备素材库 海能达HP680CPS-V2.0.01.004chs写频软件:专业对讲机配置管理利器 咖啡豆识别数据集:AI目标检测在咖啡质量控制中的革命性应用 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南 Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南
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