WeTrident项目开发指南:从环境搭建到本地测试
2025-06-26 11:31:51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
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
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
413
3.18 K
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++
690
325
Ascend Extension for PyTorch
Python
229
258
暂无简介
Dart
679
160
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.21 K
660
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
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
492
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
346
147