Public Sans 开源字体项目教程
1. 项目介绍
Public Sans 是一个基于 Libre Franklin 的开源字体项目,由美国数字服务(USWDS)开发。它是一个强健、中立、原则驱动的开源字体,适用于文本或显示用途。Public Sans 的设计原则包括:
- 作为免费的开源字体在任何平台上可用。
- 使用与常见系统字体相似的度量标准,以实现更平滑的渐进增强。
- 具有广泛的权重和良好的斜体。
- 在标题、文本和用户界面中表现良好。
- 简单直接,尽可能减少怪癖。
- 具有良好的多语言支持。
- 允许进行良好的数据设计,具有表格数字。
- 强大而中立。
- 鼓励持续改进,追求更好而非完美。
2. 项目快速启动
2.1 克隆项目
首先,克隆 Public Sans 项目到本地:
git clone https://github.com/uswds/public-sans.git
2.2 安装依赖
进入项目目录并安装必要的依赖:
cd public-sans
npm install
2.3 构建字体
使用以下命令构建字体文件:
npm run build
2.4 使用字体
构建完成后,字体文件将位于 fonts/ 目录下。你可以将这些字体文件集成到你的项目中,例如在 CSS 中引用:
@font-face {
font-family: 'Public Sans';
src: url('fonts/webfonts/PublicSans-Regular.woff2') format('woff2'),
url('fonts/webfonts/PublicSans-Regular.woff') format('woff');
font-weight: normal;
font-style: normal;
}
body {
font-family: 'Public Sans', sans-serif;
}
3. 应用案例和最佳实践
3.1 网页设计
Public Sans 非常适合用于网页设计,尤其是在需要中立且强大的字体时。它可以作为系统字体的替代品,提供更好的可读性和一致性。
3.2 印刷应用
虽然 Public Sans 主要设计用于数字显示,但其 OpenType 字体文件也适用于印刷应用。你可以将其用于海报、手册等印刷品。
3.3 用户界面设计
在用户界面设计中,Public Sans 的中立性和强大的表现使其成为理想的选择。它可以在各种设备和屏幕尺寸上提供一致的体验。
4. 典型生态项目
4.1 USWDS(美国数字服务)
Public Sans 是由美国数字服务(USWDS)开发的,因此它与 USWDS 项目紧密相关。USWDS 是一个用于构建美国政府网站的设计系统,Public Sans 是其默认字体之一。
4.2 Libre Franklin
Public Sans 是基于 Libre Franklin 开发的,Libre Franklin 是一个开源的拉丁字体项目。Public Sans 在 Libre Franklin 的基础上进行了改进,提供了更好的可读性和中立性。
4.3 其他开源字体项目
Public Sans 可以与其他开源字体项目结合使用,例如与 Roboto、Open Sans 等字体一起使用,以提供更丰富的排版体验。
通过本教程,你应该能够快速启动并使用 Public Sans 字体项目。希望你能从中受益,并在你的项目中充分发挥其潜力。
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