新闻详情

新闻详情

首页 / 资讯中心 / 详情

【研发类-前端开发Skills】avalonia-viewmodels-zafiro 技能

发布时间:2026/11/17 14:04:36来源:尧图网络
【研发类-前端开发Skills】avalonia-viewmodels-zafiro 技能
使用Zafiro和ReactiveUI的Avalonia最佳ViewModel和向导创建模式。技能概述avalonia-viewmodels-zafiro 技能提供一套最佳实践和模式用于在Avalonia应用程序中创建ViewModel、向导和管理导航利用ReactiveUI和Zafiro工具包的强大功能。下载地址https://github.com/sickn33/antigravity-awesome-skills/tree/main/skills/avalonia-viewmodels-zafiro核心原则函数式响应式方法使用ReactiveUIReactiveObject、WhenAnyValue等处理状态和逻辑增强命令利用IEnhancedCommand进行更好的命令管理包括进度报告和名称/文本属性向导模式使用SlimWizard和WizardBuilder实现复杂流程采用声明式和可维护的方法自动节发现使用[Section]属性自动注册和发现UI节清晰组合使用DataTypeViewLocator将ViewModel映射到View并在CompositionRoot中管理依赖项指南文档ViewModels Commands文件viewmodels.md创建健壮的ViewModel和处理命令。Wizards Flows文件wizards.md使用SlimWizard构建多步骤向导。Navigation Sections文件navigation_sections.md管理导航和基于节的UI。Composition Mapping文件composition.mdView-ViewModel连接和依赖注入的最佳实践。关键组件ReactiveObject所有ViewModel的基类提供属性变更通知机制。IEnhancedCommand增强的命令接口支持进度报告和命令元数据。SlimWizard轻量级向导实现用于多步骤流程。WizardBuilder流畅的向导构建器提供声明式API。[Section]属性用于标记和自动发现UI节的特性。DataTypeViewLocator根据ViewModel类型自动定位对应View的机制。示例参考有关真实世界的实现请参考Angor项目CreateProjectFlowV2.cs复杂向导构建的优秀示例HomeViewModel.cs使用函数式响应式命令的简单节ViewModel使用场景创建复杂的ViewModel层次结构实现多步骤向导流程管理应用程序导航构建基于节的用户界面处理异步命令和进度报告最佳实践使用ReactiveUI充分利用ReactiveObject和WhenAnyValue增强命令使用IEnhancedCommand获得更好的命令管理向导构建使用WizardBuilder实现声明式向导节发现使用[Section]属性自动注册UI节清晰组合在CompositionRoot中集中管理依赖项View定位使用DataTypeViewLocator自动映射注意事项限制仅在任务明确匹配上述范围时使用此技能不要将输出视为环境特定验证、测试或专家审查的替代品如果缺少必需的输入、权限、安全边界或成功标准请停止并请求澄清
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/17 7:04:08

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/17 5:42:44

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/16 19:23:38

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/17 6:55:04

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/17 5:57:47

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/16 17:28:18

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉