鱼皮AI导航
鱼皮AI导航
  • 主页
  • 社区
  • AI工具
  • AI知识库
  • AI提示词
  • MCP
  • Skills
  • AI学习资源
  • AI资讯
  • GitHub开源
登录/注册
站长:程序员鱼皮 老鱼简历 商务合作 增值电信业务经营许可证
2026 鱼皮AI导航 | 沪ICP备19026706号-6

React系统学习指南

编程导航
编程导航
2025-10-15 16:32
阅读 489
编程导航
2025-10-15 16:32
阅读 489
这是一个React.js前端开发系统学习指南,采用三列表格形式展示从基础到进阶的学习路径,包含开发环境搭建、JSX语法、组件基础、状态管理、路由等10个主题,每个主题配有详细学习内容和具体实践作业,适合零基础学习者。
# React.js 前端开发系统学习指南 ## 核心规则 1. 输出格式:严格采用三列表格结构,包含「学习主题」「详细学习内容」「实践作业」三列 2. 内容规范:从React基础概念开始,按学习路径顺序排列,确保逻辑连贯性 3. 难度控制:所有内容必须适合零基础学习者,避免使用未解释的专业术语 4. 实践导向:每个主题必须配备可操作的实践作业,禁止纯理论说明 ## 学习路径表格 | 学习主题 | 详细学习内容 | 实践作业 | |---------|------------|---------| | **1. 开发环境搭建** | - 安装Node.js和npm<br>- 使用create-react-app创建项目<br>- 理解项目目录结构<br>- 运行开发服务器 | 1. 搭建第一个React项目<br>2. 修改App.js中的文本并观察实时更新 | | **2. JSX语法基础** | - JSX与HTML的区别<br>- 表达式嵌入{ }的使用<br>- 属性命名差异(如className)<br>- 自闭合标签要求 | 1. 创建包含变量渲染的组件<br>2. 实现条件渲染不同文本内容 | | **3. 组件基础** | - 函数组件与类组件区别<br>- Props的概念和使用<br>- 组件组合与嵌套<br>- 组件样式添加方法 | 1. 构建可复用的Button组件<br>2. 创建包含多个子组件的Card组件 | | **4. 状态管理** | - useState Hook基础用法<br>- 状态不可变性原则<br>- 状态提升概念<br>- 受控组件实现 | 1. 制作计数器组件<br>2. 开发简易TODO列表(添加功能) | | **5. 生命周期与副作用** | - useEffect Hook使用场景<br>- 依赖数组的作用<br>- 清理函数的使用<br>- 组件挂载/更新/卸载过程 | 1. 实现API数据获取和展示<br>2. 创建窗口大小跟踪器 | | **6. 事件处理** | - 合成事件系统<br>- 事件绑定语法<br>- 阻止默认行为<br>- 事件参数传递 | 1. 制作表单提交处理器<br>2. 开发图片悬停放大效果 | | **7. 表单处理** | - 受控组件实现表单<br>- 多输入处理方案<br>- 表单验证基础<br>- 提交处理流程 | 1. 构建用户注册表单<br>2. 实现即时输入的搜索框 | | **8. 路由基础** | - React Router安装配置<br>- BrowserRouter使用<br>- Route组件匹配规则<br>- Link导航组件 | 1. 创建三页面的导航系统<br>2. 实现带参数的产品详情页 | | **9. 状态管理进阶** | - Context API使用场景<br>- useReducer工作流程<br>- 全局状态管理方案比较 | 1. 实现主题切换功能<br>2. 用Reducer重构TODO应用 | | **10. 项目实战** | - 组件拆分最佳实践<br>- 项目结构组织<br>- 基础性能优化<br>- 部署流程 | 1. 开发电影信息展示应用<br>2. 构建个人博客系统 | ## 执行约束 - 禁止合并任何相邻主题,确保每个主题独立成行 - 实践作业必须包含具体实现要求,禁止模糊描述 - 所有技术术语首次出现时必须附带简单解释
技术教育学习

相关推荐

雅思写作提分对比训练

围绕同一写作题目,呈现不同分数段的范文示例,并逐条解析得分差异背后的逻辑——从任务回应、逻辑连贯、词汇语法到语言准确性,帮你精准定位提分关键。

编程导航
社区分享
教育学习
古籍取名助手

从《诗经》《楚辞》等典籍中萃取雅致字词,为宝宝定制寓意吉祥、音形兼美的中文姓名。

编程导航
技术
智能旅行路线定制

依据你的出行目的地、预算范围、可用天数及个性化偏好,自动生成初步的行程安排方案。

编程导航
社区分享
技术
一对一专属学习教练

专为个性化学习需求设计的智能辅导角色,提供针对性讲解、即时答疑与进度追踪服务。

编程导航
社区分享
教育学习
🔥 热门文章
1
离谱,DeepSeek 崩了 5 小时,大家却喊:梁圣恩情还不完??
450
2
B 站上 DeepSeek 闹鱼灾了,我发起《大肥鱼清除计划》!
410
3
DeepSeek 全新模型发布,性价比最高的一集!
400
4
自己学习ai,直接买cursor 的套餐,还是买gpt 或者claude 的套餐?
370
5
又一个国产版 Codex 神器,也来卷办公了!
340
6
Vibe Coding 实战:从零构建现代专业级 AI 搜索引擎
330
7
day3-如何写出一个高质量的 Skill(组内分享) 高质量 Skill 不是“一个调得很顺的巨型 Prompt”,而是一个可验证、可回归、可维护的能力包。 先定义“什么算好”,再实现“怎么做好”。评估体系先于 Skill 本身成型。 下面用“故障诊断 Markdown 转 YAML”作为例子,但方法是通用的。 --- 一、先想清楚:Skill 到底是什么 一个 Skill 至少包含四部分: 部分 作用 接口 输入什么、输出什么、边界在哪 流程 分几步做,每步的产物是什么 规则 硬约束、经验规则、失败模式 降级策略 不确定时怎么办,而不是硬编一个看似合理的结果 高质量 Skill 的共同点:职责单一、接口清晰、规则可定位、输出可验证。 反例:把几十条经验全塞进一个主 Prompt,改一条规则要重调整个 Prompt,评估时也不知道是哪条规则退化。 --- 二、核心方法:先建评估,再写 Skill 不要先写转换器再补测试。正确顺序是: 1. 定义输出契约:什么算合法、什么算合格; 2. 建金标准集:一小批人工认可“可放行”的样本; 3. 先写评估 Skill:让它在金标准集上跑出基线; 4. 再迭代生成 Skill:每次修改跑同一套评估,无退化且目标维度提升才算正向。 这就是评估驱动开发:评估是 Skill 的单元测试,金标准集是回归锚点。 --- 三、评估 Skill:三层门禁,逐层递进 前一层不过,后一层不跑。每层留可追溯证据。 第 1 层:确定性硬门禁 用解析器、Schema、校验器完成,不消耗模型成本。 · 输出可解析; · 必填字段齐全,类型/枚举合法; · 引用目标存在,无悬空引用、无不可达节点; · 关键路径至少有一条能到达预期出口。 不通过直接打回。 第 2 层:语义断言 用脚本 + 结构遍历检查“逻辑对不对”,仍然保持确定性。 通用检查项: · 覆盖率:源材料里的关键步骤、分支、条件,输出里是否都有对应? · 完整性:每个判断节点是否都有明确出口?有没有死胡同? · 可达性:每条路径是否都能到达预期终点?有没有无出口循环? · 顺序与依赖:有先后依赖的操作,是否保留了顺序?有没有被拍平成无序列表? 例子:故障诊断转换中,检查“每个判断项是否有是/否/异常出口”“每条路径是否能到根因”。 第 3 层:LLM-as-Judge 只处理解析器表达不了的维度:忠实度、完整性、可执行性。 但 Judge 会漂移,不能单独放行,必须建立在第 1、2 层之上。Judge 的 Prompt、rubric、模型版本都要版本化,换模型必须用金标准集重新校准。 通用 Judge 维度: 维度 问什么 忠实度 输出是否忠实源材料意图?有没有自行发明内容? 完整性 关键步骤、条件、证据是否保留?隐式知识有没有被压成空话? 收敛性 输出是否仍指向原目标,而不是发散? 可执行性 下游不依赖源材料能否直接使用? --- 四、金标准集:回归测试的锚点 不需要一开始就标注几百份。用已认可的样本当种子,扩到 15~30 份,覆盖失败模式而非随机抽样: · 完整正例:典型流程; · 边界/异常分支:异常路径、循环、前置失败回退; · 已知易错模式:实际踩过的坑; · 留出集:不参与调优,只用于最终验收,防过拟合。 金标准不需要完美,只需要当前标准下认可可放行。 回归指标:关键路径用 pass^k(k 次全过),稳定性用 pass@k。 --- 五、工程约束:让批量产出可重放 · 幂等:同输入 + 同 Skill 版本 + 同规则 → 输出一致,否则无法判断变好是 Skill 改了还是随机波动; · 隔离不阻断:单份失败进隔离队列,记录失败层和原因,不阻塞其余; · 版本绑定:规则、rubric、金标准集进 Git;每份报告绑定“源版本 + 生成 Skill 版本 + 评估 Skill 版本 + Judge 模型版本”; · 抽样人工复核:Judge 临界样本 + 易错模式,人工抽检结果反过来校准 rubric。 --- 六、Skill 本身怎么写 · SKILL.md 控制篇幅,写清:输入约定、输出契约、分步流程、硬规则、降级策略; · 经验规则放 references/ 或 rules/,按失败模式分类,不要全塞进主 Prompt; · 不确定时标 needs_review: true,不要硬编看似合理的结果; · 迭代由评估报告驱动:报告告诉你哪层挂了、哪类失败模式,你改对应规则文件,而不是漫无目的调 Prompt。 --- 七、落地顺序(不要反过来) 1. 固化输出契约:Schema + 结构约束; 2. 建金标准集:从已认可的 + 最易出错的样本开始; 3. 先写评估 Skill:跑出基线报告; 4. 再迭代生成 Skill:每次修改对比逐项通过率,无退化且目标提升才算正向; 5. 批量运行 + 隔离回放:失败进队列,结束后人工抽检; 6. 评估 Skill 自身版本化:换 Judge 模型必须重新校准。 --- 八、给组员的三条硬要求 1. 不许凭感觉说“变好了”:每次修改必须附评估报告对比,逐项通过率说话。 2. 不许跳过确定性门禁直接看 Judge 分数:前两层挂了,Judge 分数没有意义。 3. 不许把规则堆进主 Prompt:规则按失败模式分文件,评估报告要能定位到具体文件。 --- 一句话收尾 生成 Skill 决定“能不能做”,评估 Skill 决定“敢不敢用”。 先让评估体系站稳,再让生成器迭代。这样交付的不是一堆“看起来还行”的产出,而是一套可证明、可回归、可交接的 Skill 质量体系。
320
8
我的第一个出海产品!7 天 2 万
310
9
WorkBuddy 本地 API 桥 + dsh 插件:把你的 WorkBuddy 额度,变成手边随手可用的模型
310
10
什么是LLM
300
11
最近在落地 AI Native 项目,卡在团队资产协同这块,想请教下社区各位有实际落地经验的同学: 我们现在的资产分为三块:项目文档(PRD/ADR/ 运行手册)、Agent Skill(业务技能、执行 SOP、提示词包)、MCP 工具服务定义。 目标是做到:人和多 Agent 共用一套可信资料源,Skill、MCP 配置、项目文档能够版本化、同步、共享、可评审。 目前我们初步方案是用 Git 做底层版本主线: - 文档:Markdown + ADR,带元信息,支持 RAG 检索 - Skill:单技能包目录化,带版本、评估用例、依赖声明 - MCP:项目级声明文件纳入 Git 但实际协作里遇到不少疑问,想参考大家成熟的实践: 1. 大家团队里,文档、Skill、MCP 三者是怎么组织目录和版本管理的?有没有稳定的仓库结构模板? 2. 多人协作时,Skill 的变更评审、灰度升级、依赖管理怎么做?如何避免本地版本不一致、“本地能跑别人不行”? 3. MCP 是统一中心化网关模式,还是大家各自本地启动 + git 同步配置?权限白名单、调用审计这块有什么好方案? 4. 有没有成熟工具链做自动同步(类似 agentmeld /teamai-cli)、变更校验、eval 回归门禁? 5. 文档和 Agent 的打通:哪些文档放进 Git 作为可信真值,哪些放外部知识库,边界怎么划分? 如果有现成的仓库样例、目录规范、团队协作流程,非常希望能分享参考,感谢!
260
12
PHP 被曝两大致命漏洞,请所有程序员抓紧做这件事!
260
🔥热门工具
朱雀AI检测朱雀AI检测
朱雀AI检测助手朱雀AI检测助手
LovartLovart
老鱼简历老鱼简历
WritePass官网WritePass官网
面多多面多多
CursorCursor
星月写作星月写作
零感AI零感AI
墨得问题墨得问题