嘉立创社区
发动态
综合 最新发布 最新回复
图文
列表
开源硬件平台
DIY制作一个多功能便携调试电源
#2025年度项目秀# 事情的起因来自于某个搞软件的让帮忙做一个方便使用的小电源，要求有最常用的5V、3.3V，最好还有一路可调的DC直流，需带屏幕显示，能显示当前输出电压、输出电流、输出功率。然后就有了这个项目 模块基于STM32和DCDC芯片设计 模块概述 该模块以SC8701作为DCDC主控芯片，STM32F103RET6主要用作屏幕显示和电压电流采集 共有3路电源输出，固定3.3V，固定5V，可调DC 此电源模块为开关电源+线性电源 此模块为升降压拓扑电源，既能降压，又能升压，最大输出电压可以高于或低于输入电压 输入接口为TYPE-C接口（支持PD2.0/3.0快充协议，最高握手电压为20V，可支持45W或65W的PD电源适配器） 输出接口为拔插式端子，方便使用 使用电位器调节DC路输出电压 此模块仅具有恒压功能 模块参数 最小输入电压：12V 最大输入电压：20V 3.3V最大输出电流：0.5A 5V最大输出电流：1.8A DC电压可调范围：3-33V DC电流可调范围：0-6A 额定功率：65W 2寸LCD屏幕（分辨率320*240） 注意事项及备注 注意事项：长时间工作建议在3A内的电流使用（需要注意温升情况） 模块没有防电流倒灌功能，不推荐使用此模块给电池进行充电，给电池充电可能会导致模块损坏 请勿短路DC路输出接口，没有恒流功能来限制或保护，可能会导致模块损坏 必须使用STM32F103RET6，STM32F103RCT6内存容量不够 附件中提供面板文件，可自行制作面板 请勿私自变更此模块中所使用的物料，因私自变更物料导致的模块不工作或无法正常运行的，一律不提供技术支持 此项目仅供DIY和学习使用，禁止用于任何形式的商业用途，或以商业用途的其他形式开发 焊接好的模块 嘉立创免费打样的CNC散热片，尺寸与PCB保持一致 项目链接：https://oshwhub.com/stm32eda/bian-xie-diao-su-dian-yuan
开源硬件平台
怎么用stm32和ne555做一个纸张计数显示器呢
开源硬件平台
立创下单后导出文件
兄弟们，我24年8月份下单了一个pcb，应该也是用立创eda做的。不知道为什么我的立创eda找不到这个版本的工程了。现在要优化这个板子，能不能在下单助手导出之前的pcb呢，我再重新导入工程。下载出来的是胳膊类型，该如何变成立创pcb类型呢
开源硬件平台
有没有开发大佬接软硬开发单子啊，软硬分开也行，私聊我.
软件:接“涂鸦Wi‑Fi+BLE模组+外置MCU”固件吗？功能：DP(UART)+433+4路舵机PWM+UART控音箱盒。验收：上电静默；按下沿一次/按住不重/播完解锁；音箱UART要ACK/重试/查询；WDT+欠压复位+复位原因可查。
开源硬件平台
请问一下怎么把线走出来？ 实时DRC已经关闭了，也是不行。
#规则#
开源硬件平台
打卡签 到 #嘉立创免费3D打印# #嘉立创PCB# #DIY设计# #2025年度项目秀# #ESP8266/32# #2025年度踩坑日记# #技术干货#
开源硬件平台
步进电机驱动板设计外协
想找人做一块基于TMC5272的步进电机驱动板，急求有经验的大佬，酬劳丰厚。联系，slm20250511
开源硬件平台
100W双管反激电源
做了一个双管反激电源，220AC输入 50V 2A输出 #嘉立创PCB# #DIY设计# #技术干货#
开源硬件平台
求助:单键开槽PCB有什么布线技巧吗？
想自己做一个键盘，但是线一多就显得很乱，大佬们有没有布线技巧分享呀，像这种PCB是不是基本连上就能用呀[衰]
开源硬件平台
开源文章：东莞职业技术学院十二月培训\n\n简介：\n\n文章链接：[https://oshwhub.com/article/dongguan-vocational-and-technical-college-december-training]\n#高校动态#
开源硬件平台
开源文章：天津工业大学博而思医疗电子协会12月训练营\n\n简介：这次学员们复刻rct6顺利结束\n\n文章链接：[https://oshwhub.com/article/tianjin-polytechnic-university-boersi-medical-electronics-association-december-training-camp]\n#高校动态#
开源硬件平台
电子硬件技术交流群
新建的电子硬件技术交流群，爱好电子技术的朋友们可以一起讨论交流、学习，共同进步！
开源硬件平台
MCP 与 Skill 深度对比：AI Agent 的两种扩展哲学用 AI Agent 工具（Claude Code、Cursor、Windsurf 等）的时候，经常会遇到两个概念：MCP（Model Context Protocol）Skill（Agent Skill）它们看起来都是"扩展 AI 能力"的方式，但具体有什么区别？为什么需要两套机制？什么时候该用哪个？这篇文章会从设计哲学、技术架构、使用场景三个维度，把这两个概念彻底讲清楚。一句话区分先给个简单的定位：MCP 解决"连接"问题：让 AI 能访问外部世界 Skill 解决"方法论"问题：教 AI 怎么做某类任务用 Anthropic 官方的说法："MCP connects Claude to external services and data sources. Skills provide procedural knowledge—instructions for how to complete specific tasks or workflows."打个比方：MCP 是 AI 的"手"（能触碰外部世界），Skill 是 AI 的"技能书"（知道怎么做某件事）。你需要两者配合：MCP 让 AI 能连接数据库，Skill 教 AI 怎么分析查询结果。MCP：AI 应用的 USB-C 接口MCP 是什么MCP（Model Context Protocol）是 Anthropic 在 2024 年 11 月发布的开源协议，用于标准化 AI 应用与外部系统的交互方式。官方的比喻是"AI 应用的 USB-C 接口"——就像 USB-C 提供了一种通用的方式连接各种设备，MCP 提供了一种通用的方式连接各种工具和数据源。关键点：MCP 不是 Claude 专属的。它是一个开放协议，理论上任何 AI 应用都可以实现。截至 2025 年初，已经被多个平台采用：Anthropic: Claude Desktop、Claude CodeOpenAI: ChatGPT、Agents SDK、Responses APIGoogle: Gemini SDKMicrosoft: Azure AI Services开发工具: Zed、Replit、Codeium、Sourcegraph到 2025 年 2 月，已经有超过 1000 个开源 MCP 连接器。MCP 的架构MCP 基于 JSON-RPC 2.0 协议，采用客户端-主机-服务器（Client-Host-Server）架构： ┌─────────────────────────────────────────────────────────┐ │ Host │ │ (Claude Desktop / Cursor) │ │ │ │ ┌─────────────┐ ┌─────────────┐ ┌─────────────┐ │ │ │ Client │ │ Client │ │ Client │ │ │ │ (GitHub) │ │ (Postgres) │ │ (Sentry) │ │ │ └──────┬──────┘ └──────┬──────┘ └──────┬──────┘ │ └─────────┼────────────────┼────────────────┼─────────────┘ │ │ │ ▼ ▼ ▼ ┌───────────┐ ┌───────────┐ ┌───────────┐ │MCP Server │ │MCP Server │ │MCP Server │ │ (GitHub) │ │(Postgres) │ │ (Sentry) │ └───────────┘ └───────────┘ └───────────┘ Host：用户直接交互的应用（Claude Desktop、Cursor、Windsurf）Client：Host 应用中管理与特定 Server 通信的组件Server：连接外部系统的桥梁（数据库、API、本地文件等）MCP 的三个核心原语MCP 定义了三种 Server 可以暴露的原语：1. Tools（工具）—— 模型控制可执行的函数，AI 可以调用来执行操作。 { "name": "query_database", "description": "Execute SQL query on the database", "parameters": { "type": "object", "properties": { "sql": { "type": "string" } } } } AI 决定什么时候调用这些工具。比如用户问"这个月的收入是多少"，AI 判断需要查数据库，就会调用 query_database 工具。2. Resources（资源）—— 应用控制数据源，为 AI 提供上下文信息。 { "uri": "file:///Users/project/README.md", "name": "Project README", "mimeType": "text/markdown" } 资源由应用控制何时加载。用户可以通过 @ 引用资源，类似于引用文件。3. Prompts（提示）—— 用户控制预定义的提示模板，帮助结构化与 AI 的交互。 { "name": "code_review", "description": "Review code for bugs and security issues", "arguments": [ { "name": "code", "required": true } ] } 用户显式触发这些提示，类似于 Slash Command。机-会技术大厂，前端-后端-测试，全国均有机-会，感兴趣可以试试。待遇和稳定性都还不错~MCP 与 Function Calling 的关系很多人会问：MCP 和 OpenAI 的 Function Calling、Anthropic 的 Tool Use 有什么区别？Function Calling 是 LLM 的能力——把自然语言转换成结构化的函数调用请求。LLM 本身不执行函数，只是告诉你"应该调用什么函数，参数是什么"。MCP 是在 Function Calling 之上的协议层——它标准化了"函数在哪里、怎么调用、怎么发现"。两者的关系： 用户输入 → LLM (Function Calling) → "需要调用 query_database" ↓ MCP Protocol ↓ MCP Server 执行 ↓ 返回结果给 LLM Function Calling 解决"决定做什么"，MCP 解决"怎么做到"。MCP 的传输方式MCP 支持两种主要的传输方式：传输方式适用场景说明Stdio本地进程Server 在本地机器运行，适合需要系统级访问的工具HTTP/SSE远程服务Server 在远程运行，适合云服务（GitHub、Sentry、Notion）大部分云服务用 HTTP，本地脚本和自定义工具用 Stdio。MCP 的代价MCP 不是免费的午餐，它有明显的成本：1. Token 消耗大每个 MCP Server 都会占用上下文空间。每次对话开始，MCP Client 需要告诉 LLM "你有这些工具可用"，这些工具定义会消耗大量 Token。连接多个 MCP Server 后，光是工具定义可能就占用了上下文窗口的很大一部分。社区观察到："We're seeing a lot of MCP developers even at enterprise build MCP servers that expose way too much, consuming the entire context window and leading to hallucination."2. 需要维护连接MCP Server 是持久连接的外部进程。Server 挂了、网络断了、认证过期了，都会影响 AI 的能力。3. 安全风险Anthropic 官方警告："Use third party MCP servers at your own risk - Anthropic has not verified the correctness or security of all these servers."特别是能获取外部内容的 MCP Server（比如网页抓取），可能带来 prompt injection 风险。MCP 的价值尽管有这些代价，MCP 的价值在于标准化和可复用性：一次实现，到处使用：同一个 GitHub MCP Server 可以在 Claude Desktop、Cursor、Windsurf 中使用动态发现：AI 可以在运行时发现有哪些工具可用，而不是写死在代码里供应商无关：不依赖特定的 LLM 提供商Skill：上下文工程的渐进式公开Skill 是什么Skill（全称 Agent Skill）是 Anthropic 在 2025 年 10 月发布的特性。官方定义："Skills are organized folders of instructions, scripts, and resources that agents can discover and load dynamically to perform better at specific tasks."翻译一下：Skill 是一个文件夹，里面放着指令、脚本和资源，AI 会根据需要自动发现和加载。Skill 在架构层级上和 MCP 不同。用 Anthropic 的话说："Skills are at the prompt/knowledge layer, whereas MCP is at the integration layer."Skill 是"提示/知识层"，MCP 是"集成层"。两者解决不同层面的问题。Skill 的核心设计：渐进式信息公开Skill 最精妙的设计是渐进式信息公开（Progressive Disclosure）。这是 Anthropic 在上下文工程（Context Engineering）领域的重要实践。官方的比喻："Like a well-organized manual that starts with a table of contents, then specific chapters, and finally a detailed appendix."就像一本组织良好的手册：先看目录，再翻到相关章节，最后查阅附录。Skill 分三层加载：Claude 判断相关需要更多信息第 3+ 层：支持文件（深度按需）reference.mdscripts/helper.pytemplates/...第 2 层：核心指令（按需加载）SKILL.md 完整内容通常 < 5k tokens第 1 层：元数据（始终加载）Skill 名称 + 描述约 100 tokens这个设计的好处是什么？传统方式（比如 MCP）在会话开始时就把所有信息加载到上下文。如果你有 10 个 MCP Server，每个暴露 5 个工具，那就是 50 个工具定义——可能消耗数千甚至上万 Token。Skill 的渐进式加载让你可以有几十个 Skill，但同时只加载一两个。上下文效率大幅提升。用官方的话说："This means that the amount of context that can be bundled into a skill is effectively unbounded."理论上，单个 Skill 可以包含无限量的知识——因为只有需要的部分才会被加载。上下文工程：Skill 背后的思想Skill 是 Anthropic "上下文工程"（Context Engineering）理念的产物。官方对此有专门的阐述："At Anthropic, we view context engineering as the natural progression of prompt engineering. Prompt engineering refers to methods for writing and organizing LLM instructions for optimal outcomes. Context engineering refers to the set of strategies for curating and maintaining the optimal set of tokens (information) during LLM inference."简单说：Prompt Engineering：怎么写好提示词Context Engineering：怎么管理上下文窗口里的信息LLM 的上下文窗口是有限的（即使是 200k 窗口，也会被大量信息撑爆）。Context Engineering 的核心问题是：在有限的窗口里，放什么信息能让 AI 表现最好？Skill 的渐进式加载就是 Context Engineering 的具体实践——只加载当前任务需要的信息，让每一个 Token 都发挥最大价值。Skill 的触发机制Skill 是自动触发的，这是它和 Slash Command 的关键区别。工作流程：扫描阶段：Claude 读取所有 Skill 的元数据（名称 + 描述）匹配阶段：将用户请求与 Skill 描述进行语义匹配加载阶段：如果匹配成功，加载完整的 SKILL.md执行阶段：按照 Skill 里的指令执行任务，按需加载支持文件用户不需要显式调用。比如你有一个 code-review Skill，用户说"帮我 review 这段代码"，Claude 会自动匹配并加载。Skill 的本质是什么？技术上，Skill 是一个元工具（Meta-tool）："The Skill tool is a meta-tool that manages all skills. Traditional tools like Read, Bash, or Write execute discrete actions and return immediate results. Skills operate differently—rather than performing actions directly, they inject specialized instructions into the conversation history and dynamically modify Claude's execution environment."Skill 不是执行具体动作，而是注入指令到对话历史中，动态修改 Claude 的执行环境。Skill 的文件结构一个标准的 Skill 长这样： my-skill/ ├── SKILL.md # 必需：元数据 + 主要指令 ├── reference.md # 可选：详细参考文档 ├── examples.md # 可选：使用示例 ├── scripts/ │ └── helper.py # 可选：可执行脚本 └── templates/ └── template.txt # 可选：模板文件 SKILL.md 是核心，必须包含 YAML 格式的元数据： --- name: code-review description: > Review code for bugs, security issues, and style violations. Use when asked to review code, check for bugs, or audit PRs. --- #CodeReviewSkill## Instructions When reviewing code, follow these steps: 1. First check for security vulnerabilities... 2. Then check for performance issues... 3. Finally check for code style... 关键字段：name：Skill 的唯一标识，小写字母 + 数字 + 连字符，最多 64 字符description：描述做什么、什么时候用，最多 1024 字符description 的质量直接决定 Skill 能不能被正确触发。Skill 的安全考虑Skill 有一个潜在的安全问题：Prompt Injection。研究人员发现："Although Agent Skills can be a very useful tool, they are fundamentally insecure since they enable trivially simple prompt injections. Researchers demonstrated how to hide malicious instructions in long Agent Skill files and referenced scripts to exfiltrate sensitive data."因为 Skill 本质上是注入指令，恶意的 Skill 可以在长文件中隐藏恶意指令，窃取敏感数据。应对措施：只使用可信来源的 Skill审查 Skill 中的脚本使用 allowed-tools 限制 Skill 的能力范围 --- name: safe-file-reader description: Read and analyze files without making changes allowed-tools: Read, Grep, Glob # 只允许读操作 --- Skill 的平台支持Agent Skills 目前支持：Claude.ai（Pro、Max、Team、Enterprise）Claude CodeClaude Agent SDKClaude Developer Platform需要注意的是，Skill 目前是 Anthropic 生态专属的，不像 MCP 是跨平台的开放协议。MCP vs Skill：架构层级对比现在我们可以从架构层级来理解两者的区别： ┌─────────────────────────────────────────────────────────┐ │ 用户请求 │ └────────────────────────┬────────────────────────────────┘ ▼ ┌─────────────────────────────────────────────────────────┐ │ 提示/知识层 (Skill) │ │ │ │ Skill 注入专业知识和工作流程 │ │ "怎么做某类任务" │ └────────────────────────┬────────────────────────────────┘ ▼ ┌─────────────────────────────────────────────────────────┐ │ LLM 推理层 │ │ │ │ Claude / GPT / Gemini 等 │ │ 理解请求，决定需要什么工具 │ └────────────────────────┬────────────────────────────────┘ ▼ ┌─────────────────────────────────────────────────────────┐ │ 集成层 (MCP) │ │ │ │ MCP 连接外部系统 │ │ "能访问什么工具和数据" │ └────────────────────────┬────────────────────────────────┘ ▼ ┌─────────────────────────────────────────────────────────┐ │ 外部世界 │ │ │ │ 数据库、API、文件系统、第三方服务 │ └─────────────────────────────────────────────────────────┘ Skill 在上层（知识层），MCP 在下层（集成层）。两者不是替代关系，而是互补关系。你可以：用 MCP 连接 GitHub用 Skill 教 AI 如何按照团队规范做 Code Review详细对比表维度MCPSkill核心作用连接外部系统编码专业知识和方法论架构层级集成层提示/知识层协议基础JSON-RPC 2.0文件系统 + Markdown跨平台是（开放协议，多平台支持）否（目前 Anthropic 生态专属）触发方式持久连接，随时可用基于描述的语义匹配，自动触发Token 消耗高（工具定义持久占用上下文）低（渐进式加载）外部访问可以直接访问外部系统不能直接访问，需要配合 MCP 或内置工具复杂度高（需要理解协议、运行 Server）低（写 Markdown 就行）可复用性高（标准化协议，跨应用复用）中（文件夹，可以 Git 共享）动态发现是（运行时发现可用工具）是（运行时发现可用 Skill）安全考虑外部内容带来 prompt injection 风险Skill 文件本身可能包含恶意指令什么时候用 MCP，什么时候用 Skill用 MCP 的场景需要访问外部数据：数据库查询、API 调用、文件系统访问需要操作外部系统：创建 GitHub Issue、发送 Slack 消息、执行 SQL需要实时信息：监控系统状态、查看日志、搜索引擎结果需要跨平台复用：同一个工具在 Claude Desktop、Cursor、其他支持 MCP 的应用中使用用 Skill 的场景重复性的工作流程：代码审查、文档生成、数据分析公司内部规范：代码风格、提交规范、文档格式需要多步骤的复杂任务：需要详细指导的专业任务团队共享的最佳实践：标准化的操作流程Token 敏感场景：需要大量知识但不想一直占用上下文结合使用很多时候，两者是配合使用的： 用户："Review PR #456 并按照团队规范给出建议" 1. MCP (GitHub) 获取 PR 信息 ↓ 2. Skill (团队代码审查规范) 提供审查方法论 ↓ 3. Claude 按照 Skill 的指令分析代码 ↓ 4. MCP (GitHub) 提交评论 MCP 负责"能访问什么"，Skill 负责"怎么做"。写好 Skill 的关键Skill 能不能被正确触发，90% 取决于 description 写得好不好。差的 description description: Helps with data 太宽泛，Claude 不知道什么时候该用。好的 description description: > Analyze Excel spreadsheets, generate pivot tables, and create charts. Use when working with Excel files (.xlsx), spreadsheets, or tabular data analysis. Triggers on: "analyze spreadsheet", "create pivot table", "Excel chart" 好的 description 应该包含：做什么：具体的能力描述什么时候用：明确的触发场景触发词：用户可能说的关键词最佳实践官方建议：保持专注：一个 Skill 做一件事，避免宽泛的跨域 SkillSKILL.md 控制在 500 行以内：太长的话拆分到支持文件测试触发行为：确认相关请求能触发，不相关请求不会误触发版本控制：记录 Skill 的变更历史关于 Slash Command文章标题是 MCP vs Skill，但很多人也会问到 Slash Command，简单说一下。Slash Command 是最简单的扩展方式——本质上是存储的提示词，用户输入 /命令名 时注入到对话中。Skill vs Slash Command 的关键区别是触发方式：Slash CommandSkill触发方式用户显式输入 /命令Claude 自动匹配用户控制完全控制何时触发无法控制，Claude 决定问自己一个问题：用户是否需要显式控制触发时机？需要 → Slash Command不需要，希望 AI 自动判断 → Skill总结MCP 和 Skill 是 AI Agent 扩展的两种不同哲学：MCPSkill哲学连接主义知识打包问的问题"AI 能访问什么？""AI 知道怎么做什么？"层级集成层知识层Token 策略预加载所有能力按需加载知识记住这句话：MCP connects AI to data; Skills teach AI what to do with that data.MCP 让 AI 能"碰到"数据，Skill 教 AI 怎么"处理"数据。它们不是替代关系，而是互补关系。一个成熟的 AI Agent 系统，两者都需要。参考资源MCP 官方资源Model Context Protocol 官网 - 协议规范、快速入门、Server 开发指南MCP Specification - 完整的协议规范文档Introducing the Model Context Protocol - Anthropic 发布 MCP 的官方博客MCP GitHub Organization - 官方 SDK、示例 Server、参考实现Awesome MCP Servers - 社区维护的 MCP Server 列表Skill 官方资源Claude Code Skills 文档 - Skills 的完整文档Building effective agents - Anthropic 关于 Agent 设计的研究博客Context Engineering Guide - 上下文工程官方指南，理解 Skill 设计哲学的关键跨平台采用OpenAI adds support for MCP - OpenAI 宣布支持 MCPGoogle Gemini MCP Support - Google 宣布 Gemini 支持 MCP延伸阅读Function Calling vs MCP - 理解两者区别Claude Code Documentation - Claude Code 完整文档Prompt Engineering Guide - 提示工程基础，Context Engineering 的前置知识如果你觉得这篇文章有帮助，欢迎关注我的 GitHub，下面是我的一些开源项目：Claude Code Skills（按需加载，意图自动识别，不浪费 token，介绍文章）：code-review-skill - 代码审查技能，覆盖 React 19、Vue 3、TypeScript、Rust 等约 9000 行规则（详细介绍）5-whys-skill - 5 Whys 根因分析，说"找根因"自动激活first-principles-skill - 第一性原理思考，适合架构设计和技术选型全栈项目（适合学习现代技术栈）：prompt-vault - Prompt 管理器，用的都是最新的技术栈，适合用来学习了解最新的前端全栈开发范式：Next.js 15 + React 19 + tRPC 11 + Supabase 全栈示例，clone 下来配个免费 Supabase 就能跑chat_edit - 双模式 AI 应用（聊天+富文本编辑），Vue 3.5 + TypeScript + Vite 5 + Quill 2.0 + IndexedDB——转载自：也无风雨也雾晴
别搞混了！MCP 和 Agent Skill 到底有什么区别？
开源硬件平台
开源文章：RCL电子设计协会12月活动记录\n\n简介：RCL电子设计协会12月活动记录\n\n文章链接：[https://oshwhub.com/article/rcl-electronics-design-association-december-activity-record]\n#高校动态#
开源硬件平台
开源文章：广东机电-电子协会-第二期制作STM32小方块\n\n简介：本次嘉立创校园讲师活动带领同学们完整制作STM32小方块。从核心原理图设计、专业PCB布局布线到亲手焊接测试。活动在嘉立创的倾力支持下，为同学们提供了从设计到实物的卓越体验。\n\n文章链接：[https://oshwhub.com/article/guangdong-electromechanical-electronics-association-phase-ii-production-of-stm32-cubes]\n#高校动态#
开源硬件平台
前言在前端开发中，我们经常会遇到接口返回的文本内容过长，无法完全显示的问题。为了处理这一问题，通常会设置固定的宽度并使用省略号样式（text-overflow: ellipsis）来隐藏超出的文本。然而，有时产品需求还希望用户能够通过悬停查看完整内容，这时就需要引入 Tooltip 进行展示。（没被省略的时候不要显示Tooltip） // tailwind的样式单行省略 .line-clamp-1 { overflow: hidden; display: -webkit-box; -webkit-box-orient: vertical; -webkit-line-clamp: 1; } // 自行设置的css样式 single-line { overflow: hidden; white-space: nowrap; text-overflow: ellipsis; } 为了解决这个问题，我们实现了一个自定义 Hook，该 Hook 会监测文本元素是否因宽度限制而被省略。一旦检测到文本内容被省略，Hook 会自动为该元素添加 Tooltip，确保用户可以方便地查看完整信息。代码实现use-ellipsis.ts import { useEffect, useRef, useState } from 'react'; type Options = { lines?: number; // 支持多行 }; export function useEllipsis<T extends HTMLElement>({ lines = 1, }: Options = {}) { const ref = useRef<T>(null); const [isEllipsis, setIsEllipsis] = useState(false); useEffect(() => { const el = ref.current; if (!el) return; const check = () => { if (lines === 1) { setIsEllipsis(el.scrollWidth > el.clientWidth); } else { setIsEllipsis(el.scrollHeight > el.clientHeight); } }; check(); window.addEventListener('resize', check); return () => { window.removeEventListener('resize', check); }; }, [lines]); return { ref, isEllipsis }; } ellipsis-tooltip.tsx import { Tooltip } from '@arco-design/web-react'; // 或 antd / 你自己的库 import { useEllipsis } from '@/hooks/use-ellipsis.ts'; import { cn } from '@/lib/utils.ts'; type EllipsisTooltipProps = { text: string; className?: string; onClick?: () => void; lines?: number; }; export const EllipsisTooltip: React.FC<EllipsisTooltipProps> = ({ text, className, onClick, lines = 1, }) => { const { ref, isEllipsis } = useEllipsis<HTMLDivElement>({ lines }); const lineClass = lines === 1 ? 'truncate whitespace-nowrap' : `line-clamp-${lines}`; const content = ( <div ref={ref} className={cn(lineClass, className)} onClick={onClick}> {text} </div> ); return isEllipsis ? <Tooltip content={text}>{content}</Tooltip> : content; }; 机会技术大厂，前端-后端-测试，全国各地等均有机-会，感兴趣可以试试~使用示例与效果 export default function TestPage() { const mockText = '很长很长很长很长很长'; const mockText2 = '简短的'; return ( <> <EllipsisTooltip className='w-28' text={mockText} /> <EllipsisTooltip text={mockText2} /> </> ); } ——转载自：代码小学僧
前端技巧：检测到省略号文本自动显示 Tooltip
开源硬件平台
星火计划2025大众评审开始招募啦！！感兴趣的伙伴们快来报名，投出你心中的那一票！！ #星火计划2025#
开源硬件平台
太阳能遥控器如何实现能量供给平衡？使用能量采集PMIC完成对电源的管理 #技术干货#
开源硬件平台
开源项目：歌曲封面显示唱片机\n\n简介：基于AT32F403A与LTX裸机调度器，usb链接电脑后可显示正在播放的音频的封面，并且唱臂可动\n\n开源链接：[https://oshwhub.com/realtix/cover_display]\n#STM单片机# #DIY设计#
开源硬件平台
开源硬件平台
去官网查看
优质硬件创作分享平台
推荐话题 换一批
#DIY设计#
#嘉立创PCB#
#嘉立创3D打印#
#嘉立创免费3D打印#
#技术干货#
#嘉立创EDA#
#扩展API#
#狼黑工具#
查看更多热门话题
打赏记录
激励规则
服务时间：周一至周六 9::00-18:00 · 联系地址：中国·深圳（福田区商报路奥林匹克大厦27楼） · 媒体沟通：pr@jlc.com · 集团介绍
移动社区
联系我们