一、简介 jeewx是一个开源,高效,敏捷的微信开发平台采用JAVA语言,它是基于jeecg这个企业级快速开发框架实现的。 jeewx的目的是最大化的简化微信开发的流程,使用开发者能把最好的精力放到微信具体业务开发,并能以最快的时间完成。 把一些常规而频繁的工作交由jeewx来处理即可,平台兼备的代码生成器,在线开发,可以快速的完成企业应用。 为此jeewx提供了详细的二次开发文档,关键代码里还是相关的注释说明。jeewx采用插件的方式实现微信功能,不同的插件实现不同的微信功能。 主要特性 1、基于快速开发平台jeecg 3.4.4最新版本,采用SpringMVC+Hibernate4+UI库+代码生成器+Jquery+Ehcache等主流架构技术 2、支持企业快速开发,完善的用户组织机构,报表,强大的代码生成器快速有效的提高开发效率 2、开源免费,jeewx遵循Apache2开源协议,免费提供使用。 3、支持多用户多公众号管理 4、详细的二次开发文档,并不断更新增加相关开发案例提供学习参考 5、微信功能插件化开发,更易于定制和二次开发 6、提供丰富的微信插件下载安装使用,总有一些是符合或接近你的需求 最低系统需求 Tomcat6.0 或更高版本。 MySQL 5.0 或更高版本。 MyEclipse8.5或其他版本。
2021-04-09 16:01:21 36.30MB jeecg
1
特别说明:这是我目前在接触过和使用过的,自认为是最好用的一个小程序开源框架库。 小程序到底有多火,看看目前推出的开源框架以及组件库就知道了。由于小程序开发的火爆,大家都在致力于探索如何更好的,更加高效的开发小程序,以至于很多公司都贡献了小程序开源框架和组件库。 比如我列举一些: 开源框架 1、 mpvue mpvue 是美团点评开源的一个使用 Vue.js 开发小程序的前端框架。框架基于 Vue.js 核心,mpvue 修改了 Vue.js 的 runtime 和 compiler 实现,使其可以运行在小程序环境中,从而为小程序开发引入了整套 Vue.js 开发体验。使用 mpvue 开发小程
2021-03-29 18:12:31 91KB 强烈 推荐 : 绝对 是最 好的 一个 程序
1
Android afinal开源框架实例源码,实际项目框架参考、比赛练习案例,学习实例,开箱即用。适用于实际项目开发参考、教学案例、毕业设计、出书项目实例、学生面试前能力提升、开发辅助。
Android官方开源框架Java库gson.jar包的下载。
2021-03-08 20:14:56 579KB Gson
1
开源框架面试题系列:Spring+SpringMVC+MyBatis08
2021-03-02 09:01:01 679KB spring mybatis mvc
为您提供ASP.NET Core 跨平台框架下载,ASP.NET Core是一个开放源代码和跨平台框??架,用于构建基于现代云的互联网连接应用程序,例如Web应用程序,IoT应用程序和移动后端。ASP.NET Core应用程序在.NET Core(一个的,跨平台的开源应用程序运行时)上运行。它的架构旨在为部署到云或本地运行的应用程序提供优化的开发框架。它由具有最小开销的模块化组件组成,因此您在构建解决方案时可以保持灵活性
2021-02-20 09:01:25 28.73MB 跨平台 ASP.NETCore 开源框架
1
开源框架,后台已经搭建好权限管理,用户管理,部门管理等,能够帮助大家快速开发程序,界面美观大方
2021-02-20 08:59:44 79.52MB .net框架
1
卡帕托 开源框架,用于处理,监视和预警时间序列数据 安装 Kapacitor具有两个二进制文件: kapacitor –一个用于调用Kapacitor API的CLI程序。 kapacitord – Kapacitor服务器守护程序。 您可以直接从页面下载二进制文件,也可以下载它们: go get github.com/influxdata/kapacitor/cmd/kapacitor go get github.com/influxdata/kapacitor/cmd/kapacitord 组态 可以在找到示例配置文件 Kapacitor还可以使用以下命令为您提供示例配置: k
2021-02-04 09:10:50 1.06MB monitoring time-series kapacitor MonitoringGo
1
TensorFlow对象计数API TensorFlow对象计数API是一个基于TensorFlow和Keras构建的开源框架,可轻松开发对象计数系统。 如果您需要专业的物体检测,跟踪和计数项目,请与我们联系! 快速演示 累计计数模式(TensorFlow实现): 实时计数模式(TensorFlow实现): 对象跟踪模式(TensorFlow实现): 跟踪模块是基于构建的。 单个图像上的对象计数(TensorFlow实现): 基于对象计数的R-CNN(): 基于对象分割和计数的Mask R-CNN(): 奖励:自定义对象计数模式(TensorFlow实现): 您可以使用自己的训练数据来训练TensorFlow模型以构建自己的自定义对象计数器系统! 如果您想学习如何做,请查看下面的示例项目,其中涵盖了迁移学习的一些理论并展示了如何将其应用到有用的项目中。 示例项目1:蓝精灵计数 更多信息可以在找到! 示例项目2:Barilla-Spaghetti计数 更多信息可以在找到! 开发正在进行中! 该API将很快更新,此仓库中将提供更多才华横溢且轻巧的API! 将添加详细的API文
1