autojs起手式

简介: 牙叔教程 简单易懂

牙叔教程 简单易懂


解决痛点


  1. 有些人不知道自动补全怎么弄
  2. 有些人代码老丢, 丢了就没了, 要及时把代码备份到码云的嘛

项目地址

https://gitee.com/yashujs/autojs-starting-hand

包含功能


  1. 代码补全
  2. 自带参考代码, 提取的是 autojs9.1.10 自带的代码例子
  3. 自动创建项目, 你在命令行输入 npm run create project-name, 就会创建新项目, config.js的projectFolder是项目所在文件夹
  4. 自动创建远程仓库, config.js中的选项 associateRemoteRepository, 为true的话, 就会自动创建远程仓库, 并关联本地仓库
  5. 自动上传文件到gitee, 你在命令行输入 npm run push commitMessage, 就自动运行git的三个命令add, commit, push, 并且创建commitMessage同名分支


环境


win10


使用前提


  1. 电脑有nodejs环境
  2. 电脑有git环境
  3. 配置码云的ssh密钥
  4. 创建码云token


使用步骤


  1. 打开命令行, 安装依赖, 输入 npm i
  2. 测试scripts功能是否正常, 命令行输入 npm --silent run hello
  3. 想一个英文的项目名字, 比如 my-project
  4. 命令行输入 npm run create my-project


创建的项目



创建项目后, 怎样运行autojs脚本


  1. vscode 打开刚才创建的项目文件, 在config.js中配置, 默认和本项目在同一个文件夹下
  2. 在vscode中按F1, 输入autojs
  3. 查找 运行项目 / 运行单文件
  4. 点击 运行项目 / 运行单文件


创建的新项目要push到码云


  1. 在新项目中, 命令行输入 npm i, 安装依赖
  2. 命令行中输入npm run push commitMessage, 执行推送命令


获取码云token


个人主页/ 设置/ 安全设置/ 私人令牌/ 生成新令牌


警告


请严格保管你的token, 避免泄漏, 因为token的权限很大, 可以读写以及删除仓库


配置码云SSH公钥


生成/添加SSH公钥 - Gitee.com

码云api

https://gitee.com/api/v5/swagger#/getV5ReposOwnerRepoStargazers?ex=no


相关教程

https://www.yuque.com/yashujs/bfug6u/oeio7o

https://www.yuque.com/yashujs/bfug6u/ad7z0u

Auto.js Pro如何连接VS Code插件


名人名言


思路是最重要的, 其他的百度, bing, stackoverflow, github, 安卓文档, autojs文档, 最后才是群里问问
--- 牙叔教程


声明


部分内容来自网络
本教程仅用于学习, 禁止用于其他用途

相关文章
|
存储 Ubuntu 安全
百度搜索:蓝易云【Ubuntu系统离线安装Telnet服务教程。】
确保在进行任何系统配置更改之前备份重要的数据,并在操作过程中小心谨慎,以免造成不必要的问题。
478 0
|
7月前
|
存储 安全 API
权限申请被拒?详解京东/淘宝API审核标准与申诉技巧
在对接电商 API 时,权限申请常因资质或材料问题被拒。本文详解京东、淘宝的审核标准与申诉策略,结合实战案例,教你如何提升通过率,规避风险,实现高效对接。
|
8月前
|
机器学习/深度学习 自然语言处理 测试技术
Qwen3技术报告首次全公开!“混合推理模型”是这样炼成的
近日,通义千问Qwen3系列模型已开源,其技术报告也正式发布。Qwen3系列包含密集模型和混合专家(MoE)模型,参数规模从0.6B到235B不等。该模型引入了“思考模式”与“非思考模式”的动态切换机制,并采用思考预算机制优化推理性能。Qwen3支持119种语言及方言,较前代显著提升多语言能力,在多个基准测试中表现领先。此外,通过强到弱蒸馏技术,轻量级模型性能优异,且计算资源需求更低。所有Qwen3模型均采用Apache 2.0协议开源,便于社区开发与应用。
6203 30
|
数据挖掘 Python
Pandas实战(1):电商购物用户行为数据分析
Pandas实战(1):电商购物用户行为数据分析
784 1
|
人工智能 测试技术 vr&ar
GPT超越扩散、视觉生成Scaling Law时刻!北大&字节提出VAR范式
【4月更文挑战第22天】北京大学与字节跳动联合研发的Visual AutoRegressive modeling (VAR)是一种创新的图像生成范式,通过“下一尺度预测”而非传统的“下一标记预测”学习视觉分布。VAR在ImageNet基准上提升了自回归模型的FID和IS,同时加快了20倍推理速度,超越扩散变换器。该模型展示出与大型语言模型相似的缩放定律,解决了自回归模型的计算成本问题和扩散模型的速度不足。VAR具备零样本泛化能力,适用于图像修复等任务,未来研究将探索其在高分辨率图像和视频生成中的潜力。[论文链接](https://arxiv.org/abs/2404.02905)
382 1
|
消息中间件 存储 Apache
Apache Paimon 表模式最佳实践
Apache Paimon 表模式最佳实践
4472 57
|
机器学习/深度学习 人工智能 语音技术
情感识别与表达:FunAudioLLM的情感智能技术
【8月更文第28天】随着人工智能的发展,语音交互系统越来越普遍。其中,情感智能技术成为提高用户体验的关键因素之一。本文将探讨 FunAudioLLM 如何利用情感识别和表达技术来增强语音交互的真实感,并提供具体的代码示例。
1513 0
|
机器学习/深度学习 缓存 自然语言处理
入门生成式语言模型(Generative Language Models)
入门生成式语言模型涉及理解基本概念、学习NLP基础知识、掌握相关工具和框架、训练与评估模型、实践项目和案例,以及持续学习。关键步骤包括预训练、微调(如SFT、LoRA、Prefix Tuning)、模型选择(如LLaMA、ChatGLM、Bloom等)和优化部署(量化、剪枝)。训练策略包括Pretrain、SFT、LoRA等,模型如Qwen、GPT-3、OPT等,评估数据集有SuperGLUE、CLUEbenchmark等。此外,有专门的加速和分布式框架如DeepSpeed、Megatron、FairScale等,以及部署工具vLLM、TensorRT-LLM。
764 2
|
前端开发 JavaScript
CommonJS 和 ES6 Module:一场模块规范的对决(下)
CommonJS 和 ES6 Module:一场模块规范的对决(下)
CommonJS 和 ES6 Module:一场模块规范的对决(下)