Laf Assistant:云开发从未如此爽快!

原文链接:https://forum.laf.run/d/67

工欲善其事,必先利其器。在编写代码时,IDE 也是我们不可或缺的。它可以让我们更高效地完成代码编写,提高开发效率。因此,IDE 是我们编写代码中最亲密的伙伴之一。

虽然 Laf 云开发有简洁的 Web IDE,只要能打开浏览器就可以随处编辑云函数。

Laf Assistant:云开发从未如此爽快!

但很多人还是希望能在 IDE 中编写云函数代码。

得益于 laf-cli 的开发和 API 的开放,Laf 也对本地代码编辑器没有任何强制性的要求,也就意味着 Laf 可以直接使用 VS Code 或者任何编辑器去完成云函数的编写和调试,以及发布和更新。

laf-cli 是一个 npm 模块,可以通过命令行去完成 Laf 云开发的云函数管理、云存储管理等等。借助命令行,我编写了一个 VS Code 插件:laf assistant

Laf 直接使用 VS Code 的体验并不那么完美

VS Code 是一款免费、开源、跨平台的代码编辑器,由 Microsoft 开发和维护,插件丰富,功能强大。并且很重要的一个原因是,我自己习惯用 VS Code。也有相当多的开发者也跟我一样习惯使用 VS Code。

laf assistant 出来之前,我尝试用了一段时间的 Laf-cli 模块。每修改一段代码,需要调试的时候,需要输入比较复杂的命令。

比如的云函数名为 :BatchTestDB ,那么我需要在命令行输入:laf func exec BatchTestDB -l 9

Laf Assistant:云开发从未如此爽快!

切换云函数,需要手动改命令。当如果出现大量的 log,体验是这样的。

Laf Assistant:云开发从未如此爽快!

另外一个比较麻烦的问题是,在终端里面输出的内容是不能编辑、也不能折叠代码的。对于输出比较大的 JSON 数据时,查看日志也是非常痛苦的一件事。同时经过一段时间的调试,终端的内容也会越来越多,看得眼花缭乱。

到了发布云函数的时候,也是手动修改命令行才可以完成。

Laf Assistant:云开发从未如此爽快!

而 Laf 云开发的 Web IDE 在云函数的调试、发布和管理上明显会比这种方式更加的方便和简单。为了让优秀的 Web IDE 的优势完美的和本地开发相结合。我动了开发 VS Code 插件的想法。

Laf assistant 的代码编写体验

Laf Assistant:云开发从未如此爽快!

在云函数的编辑框内,点击右键,即可发布、下载或者运行云函数,结合 VS Code 自带的改键功能,比如我自己把运行云函数改键成了 ⌘+F1,每次修改完云函数,保存云函数后,按快捷键 ⌘+F1 即可运行云函数。

Laf Assistant:云开发从未如此爽快!

我把日志输出到了一个全新的文本中,可以随意的编辑和折叠,用起来更加方便了。如果需要保存也可以直接保存到一个文件中,当然也可以关闭这个编辑器丢掉这个日志内容。

代码版本管理和协同

Laf 云开发的 Web IDE 没有代码系统和版本管理。Web IDE 并不会保存所有的修改版本,只是存在了浏览器的本地缓存中,也就意味着如果不小心清理了缓存或者切换浏览器,Web IDE 编辑器内的草稿可能就消失了。同时如果开发的项目有多人协同的需求也会相当麻烦。

在我看来,Web IDE 适合简单的云函数的快速开发和上线发布,以及临时的代码修改。如果遇到复杂的代码情况,就很难跟 VS Code 的本地开发体验相提并论来了。

同时 laf assistant 还可以让前端代码和 Laf 云函数代码在一个项目中管理,实现一个项目管理前后端的全部代码。而且 Web IDE 也无法搜索代码,而如果前后端的代码都在一个项目中,就可以很方便的全局搜索前后端中的代码。

结合 Git 的使用,很方便的就可以实现代码的版本管理。

另外如果需要协同开发,laf assistant 也支持针对不同电脑的同一项目去单独配置 Laf API 地址和 Laf 应用 Appid,每个开发人员就可以在自己的 Laf 应用里面去调试开发,代码上线发布的时候,可以发布到正式应用。避免了测试数据的污染。

laf assistant 的后续升级计划

1、AI 加持

目前接口已经基本实现,通过一段文字描述即可写出直接可用或简单修改即可用的云函数代码,并且如果遇到某个 JS 不会写,某个数据库语法不会写,都可以通过一句话去完成

Laf Assistant:云开发从未如此爽快!

后续在 VS Code 中,仅需要点点鼠标或者快捷键即可通过 AI 去自动完成云函数代码。

2、增加云存储的管理

本地编译的前端代码,可以一键托管到 Laf 的云存储。

3、云函数会增加更多的调试模式

自定义调试的参数。后续还会加上实时日志监听,方便在前端调试时,去查看日志。

4、独立管理面板

点击侧边栏 Laf 的图标,Laf 云开发相关的内容都会集中显示在这里。

5、更多细节优化

所有的开发者也可以给我提优化意见,让 laf-assistant 更加好用,让云开发更加爽快!

原文链接:https://www.cnblogs.com/ryanyangcs/p/17384114.html

本站文章如无特殊说明,均为本站原创,如若转载,请注明出处:Laf Assistant:云开发从未如此爽快! - Python技术站

(0)
上一篇 2023年5月8日
下一篇 2023年5月9日

相关文章

  • windows下Anaconda3配置TensorFlow深度学习库

    Anaconda3(python3.6)安装tensorflow Anaconda3中安装tensorflow3是非常简单的,仅需通过 pip install tensorflow 测试代码: import tensorflow as tf >>> hello =tf.constant(“Hello TensorFlow~”) >&g…

    2023年4月8日
    00
  • caffe的python接口学习(3)训练模型training

     如果不进行可视化,只想得到一个最终的训练model, 那么代码非常简单,如下 : import caffe caffe.set_device(0) caffe.set_mode_gpu() solver = caffe.SGDSolver(‘/home/xxx/data/solver.prototxt’) solver.solve()

    Caffe 2023年4月6日
    00
  • 万字长文概述单目3D目标检测算法

    基于深度学习的主流单目3D目标检测算法可以分为两个过程:2D目标检测 + 基于投影几何原理的回归网络设计。本文首先介绍了单目 3D 目标检测的理论基础-投影几何原理和算法原理,并解读了几个主流模型。 一,理论基础-相机与图像 1.1,单目相机介绍 1.2,针孔相机模型 1.3,坐标系间的欧式变换 1.4,世界坐标与像素坐标的转换 1.5,三维旋转:欧拉角、旋…

    2023年4月5日
    00
  • caffe SSD目标检测lmdb数据格式制作

    一、任务        现在用caffe做目标检测一般需要lmdb格式的数据,而目标检测的数据和目标分类的lmdb格式的制作难度不同。就目标检测来说,例如准备SSD需要的数据,一般需要以下几步:        1.准备图片并标注groundtruth        2.将图像和txt格式的gt转为VOC格式数据        3.将VOC格式数据转为lmdb…

    2023年4月5日
    00
  • keras 机器学习之hellocat学习详解

         在通过该例子学习时https://github.com/erikreppel/visualizing_cnns,使用matplotlib中自带的imread读取图片,执行卷积运算后,发现猫的图片细节都有保存,对比例子中的CV2中的imread,怀疑是matplotlib中执行imread后执行了正规化的操作,所以卷积运算没有丢失细节信息。 在对图片…

    2023年4月6日
    00
  • 动手学pytorch-注意力机制和Seq2Seq模型

    注意力机制和Seq2Seq模型 1.基本概念 2.两种常用的attention层 3.带注意力机制的Seq2Seq模型 4.实验 1. 基本概念 Attention 是一种通用的带权池化方法,输入由两部分构成:询问(query)和键值对(key-value pairs)。(????_????∈ℝ^{????_????}, ????_????∈ℝ^{????_…

    2023年4月6日
    00
  • pytorch学习—dataset

    1、dataset是初入pytorch最重要的东西,在复现项目的时候,最需要改的就是数据集。  如果弄明白了pytorch中dataset类,你可以创建适应任意模型的数据集接口。 2、所谓数据集,无非就是一组{x:y}的集合吗,你只需要在这个类里说明“有一组{x:y}的集合”就可以了。 对于图像分类任务,图像+分类 对于目标检测任务,图像+bbox、分类 对…

    PyTorch 2023年4月8日
    00
  • [转] 理解CheckPoint及其在Tensorflow & Keras & Pytorch中的使用

    作者用游戏的暂停与继续聊明白了checkpoint的作用,在三种主流框架中演示实际使用场景,手动点赞。   转自:https://blog.floydhub.com/checkpointing-tutorial-for-tensorflow-keras-and-pytorch/ Checkpointing Tutorial for TensorFlow, K…

    2023年4月6日
    00
合作推广
合作推广
分享本页
返回顶部