Cardinal CSS框架技术文档
1. 安装指南
使用包管理器
Bower
首先确保已安装Node.js和npm。然后通过以下命令使用Bower安装Cardinal:
cd your-project-directory
bower install --save cardinal
安装后,你可以在bower_components目录下找到Cardinal。
npm
同样,确保Node.js和npm已安装。使用以下命令通过npm安装Cardinal:
cd your-project-directory
npm install --save cardinalcss
安装后,你可以在node_modules目录下找到Cardinal。
更新Cardinal
你可以通过以下命令来获取Cardinal的最新版本:
Bower
bower update cardinal
npm
npm update cardinal
直接下载
如果你不想使用包管理器,可以直接从GitHub下载Cardinal的.zip文件,然后按照你的需要引入压缩后的CSS文件或直接修改LESS文件(不推荐,因为这样在将来更新时会比较困难)。
2. 项目使用说明
Cardinal是一个模块化的、以“移动优先”为设计理念的CSS框架,旨在帮助前端开发者更快地原型化、构建、扩展和维护响应式网站、用户界面和应用程序。它省略了许多其他CSS框架常见的美学设计决策,让你可以自由发挥。
要使用Cardinal,你可以:
- 直接通过包管理器引入;
- 使用LESS.js插件;
- 直接下载并引入。
引入后,你可以通过包含整个框架或者在项目中按需引入部分样式来进行定制。
3. 项目API使用文档
Cardinal的API主要是通过其提供的LESS变量和混合指令来实现。你可以在项目的base/variables.less文件中找到可用的变量,并在base/mixins/目录下找到混合指令。
使用时,建议创建一个项目特定的变量文件(例如project-variables.less),在其中覆盖默认变量,然后在主LESS文件中引入这个文件和Cardinal的基础样式。
4. 项目安装方式
除了使用包管理器和直接下载,你也可以通过以下方式安装和使用Cardinal:
LESS插件
你可以使用由@bassjobsen创建和维护的LESS.js插件。通过以下命令安装插件和LESS:
npm install less
npm install less-plugin-cardinal
然后,你可以使用以下命令编译你的LESS文件:
lessc custom.less --cardinal
从源代码构建
你需要有Node.js和npm安装在你的机器上。Cardinal使用Gulp来构建和监视CSS文件。
git clone git@github.com:cbracco/cardinal.git
cd cardinal
npm install
gulp
以上是关于Cardinal CSS框架的技术文档概述。对于更详细的文档,请参考项目GitHub仓库中的相关文件和目录。
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