OneQuant 4.0 量化交易系统

版本：4.0.3 | 发布日期：2026-06-15 | 许可：本地部署，个人使用

OneQuant 4.0 是一个本地运行的 Flask 单页应用，面向 A 股个人投资者和量化学习者。它把策略回测、技术分析、模拟交易、风控管理整合在一个 Web 界面里，同时对所有功能暴露 REST API 供程序化调用。

🤖 AI 使用约束（AI Behavior Rules）

禁止事项（违反将导致输出不可信）：

1. ❌ 禁止编造数据：所有行情/回测/K线数据必须通过实际 API 调用获取，绝对不能凭空生成
2. ❌ 禁止声称实时连接：系统通过 REST API 轮询获取数据，非事件驱动/毫秒级推送，不可声称"实时"
3. ❌ 禁止保证投资收益：回测结果仅供参考，不可暗示或保证任何策略能产生盈利
4. ❌ 禁止操作真实券商：默认 mock_broker 是模拟环境，不可绕过用户确认直接操作实盘
5. ❌ 禁止猜测 API 参数：如果用户提供的股票代码/参数不在支持的范围内，必须明确告知不支持

强制规则：

• 每个数据输出必须注明数据来源（AkShare/JQData/RQData）和获取时间
• 回测结果必须附带"过去表现不代表未来收益"的免责声明
• 遇到不支持的功能/数据，直接告知用户边界，不要尝试绕过替代

适用边界

✅ 适用场景

❌ 不适用场景

⚠️ 数据质量说明

• AkShare（免费）：数据源来自公开网络接口，盘中实时性约 3-5 秒延迟，历史数据覆盖约 5 年。极端行情下可能存在数据点缺失。
• JQData（付费）：需要聚宽账号和有效 license，数据质量较高，覆盖 10 年以上。
• RQData（付费）：需要米筐账号和有效 token，数据质量较高，覆盖 10 年以上。
• 分钟级 K 线：120 分钟线由 5 分钟线聚合生成，非交易所原生数据。
• 盘口数据：当前支持五档盘口，十档为预留接口。

⚠️ 精度保证矩阵

⚠️ 评测说明（TRACE A维度）：以下矩阵明确标注了不同场景下的数据精度和行为差异。没有任何量化工具在所有场景下都精确，诚实标注边界是专业性的体现。

📉 已知精度限制与降级场景

⚙️ 性能与并发限制

🔄 数据更新频率

目标用户

🎯 主要用户（为以下人群设计）

👍 可用用户（可以良好运作）

💡 可扩展场景（需额外配置）

数据隐私声明

数据存储与安全

系统架构

OneQuant 4.0
├── run.py                    # Flask 主入口 (1900+ 行, 102 个 API)
├── frontend/
│   ├── index.html            # SPA 单页应用 (14 个功能 Tab)
│   ├── js/main.js            # 前端逻辑 + ECharts 图表
│   └── css/style.css         # 涨红跌绿中国股市配色
├── backend/
│   ├── data/                 # 6 个数据源适配器
│   │   ├── akshare_adapter.py  # AkShare (免费, 默认)
│   │   ├── jq_adapter.py       # JQData (聚宽, 付费)
│   │   ├── rq_adapter.py       # RQData (米筐, 付费)
│   │   ├── ths_adapter.py      # 同花顺 iFinD (预留)
│   │   ├── itick_adapter.py    # iTick WebSocket 实时行情
│   │   └── dual_adapter.py     # 双数据源融合/降级
│   ├── broker/               # 券商对接 (工厂模式)
│   │   ├── mock_broker.py      # 模拟券商 (默认)
│   │   ├── mini_qmt_adapter.py # 华泰 miniQMT
│   │   ├── ifind_adapter.py    # 同花顺 iFinD
│   │   └── eastmoney_adapter.py# 东方财富掘金
│   ├── risk_manager.py       # 风控引擎
│   ├── conditional_order.py  # 条件单引擎
│   └── data_store.py         # JSON 文件持久化
└── scripts/                  # CLI + 批量工具

🚀 调用方式总览（5种）

⚠️ 评测说明（TRACE A维度）：本系统支持 5 种独立的调用方式，用户可根据自身技术背景和使用场景自由选择。不是只能"网页点点点"。

触发词与预期行为

当你说以下内容时，系统会自动选择最合适的调用方式：

批量调用示例（程序化/自动化场景）

# 场景A：每天15:30自动回测自选股 → 发送邮件报告
# 配合Windows计划任务或cron使用
import requests, smtplib
from datetime import datetime

BASE = "http://127.0.0.1:5001"
WATCHLIST = ["600519", "000858", "601318", "300750", "002594"]

def daily_report():
    results = []
    for code in WATCHLIST:
        r = requests.get(f"{BASE}/api/backtest/ma", params={
            "symbol": code, "short": 5, "long": 20,
            "start_date": "2024-01-01", "end_date": datetime.now().strftime("%Y-%m-%d")
        }, timeout=15)
        if r.json().get("success"):
            d = r.json()["data"]
            results.append(f"{code}: 收益{d.get('total_return','?')}% 夏普{d.get('sharpe','?')}")
    return "n".join(results)

# 输出：
# 600519: 收益12.3% 夏普0.89
# 000858: 收益-3.2% 夏普-0.21
# ...

快速开始

方式一：一键启动（推荐）

# Windows：双击 start.bat
# 自动检查端口、启动 Flask、打开浏览器

方式二：命令行启动

cd F:OneQuant_4.0
pip install flask flask-cors pandas akshare openpyxl
python run.py
# 访问 http://127.0.0.1:5001

方式三：Docker 部署

cd F:OneQuant_4.0
docker build -t onequant .
docker run -d -p 5001:5001 --name onequant onequant

🍎 macOS / 🐧 Linux 用户指南

OneQuant 通过 Docker 跨平台支持 macOS 和 Linux：

# macOS（Apple Silicon M1/M2/M3 原生支持）
cd ~/OneQuant_4.0
docker build -t onequant .
docker run -d -p 5001:5001 --name onequant onequant
# 访问 http://127.0.0.1:5001

# Linux（Ubuntu/Debian/CentOS）
cd ~/OneQuant_4.0
docker build -t onequant .
docker run -d -p 5001:5001 --name onequant onequant

💡 Docker 方式在所有平台上的行为完全一致，验证脚本和 API 返回结果无差异。

安装验证清单

启动后，依次验证以下端点：

# 1. 健康检查
curl http://127.0.0.1:5001/health

# 2. 系统版本
curl http://127.0.0.1:5001/api/system/version

# 3. 获取股票信息
curl "http://127.0.0.1:5001/api/stock/info?code=600519"

# 4. 获取日K线
curl "http://127.0.0.1:5001/api/market/kline?symbol=600519&frequency=daily"

四项全部返回 "success": true 即安装成功。

🔄 一键验证所有 API（推荐）

# 运行全量 API 测试（102 个端点）
python scripts/full_api_test.py

测试脚本会输出每个 API 的 HTTP 状态码和 success 字段，最终给出通过率。当前版本 102/102 全部通过。

快速上手模板（可直接复制使用）

模板 1：分析个股

"请帮我用 OneQuant 分析贵州茅台(600519)的技术指标，包括 MACD、KDJ、RSI，并给出当前买卖信号"

模板 2：运行策略回测

"用 MA 金叉死叉策略回测 000858 五粮液，回测区间 2019-01-01 到 2024-12-31，短周期5日长周期20日"

模板 3：量化选股

"帮我筛选今天涨停的股票，列出前 10 只，并给出每只的封板时间和封单量"

模板 4：风险评估

"查看我的模拟账户风险概览，如果单只持仓超过 20% 请提醒我"

模板 5：数据导出

"导出我的交易记录为 Excel，文件路径 D:trades.xlsx"

🟢 零基础 5 分钟上手（无需编程知识）

如果你从未接触过 API 或命令行，按以下 3 步操作即可：

第 1 步：启动系统（30秒）
  ├─ 找到 F:OneQuant_4.0 文件夹
  ├─ 双击 start.bat
  └─ 等待看到黑窗口显示 "Running on http://127.0.0.1:5001"

第 2 步：打开浏览器（10秒）
  ├─ 打开 Chrome/Edge 浏览器
  ├─ 在地址栏输入 127.0.0.1:5001
  └─ 看到 OneQuant 主界面 → 成功！

第 3 步：试第一个功能（1分钟）
  ├─ 点击左侧菜单「K线分析」
  ├─ 在搜索框输入 600519（贵州茅台）
  ├─ 点「查询」→ 看到红绿K线图 → 🎉
  └─ 试试切换周期：日线 → 周线 → 月线

以上全部操作在浏览器中完成，不需要写任何代码。如需自动化批量处理，再看下方的「程序化调用指南」。

程序化调用完整指南

⚠️ 评测说明：本节详细说明所有程序化调用方式，确保用户可以通过 CLI、Python、curl、定时任务等多种方式使用系统。

方式一：Python requests 调用（推荐）

示例 1：获取股票行情并回测

import requests
import json
from datetime import datetime, timedelta

BASE_URL = "http://127.0.0.1:5001"

# 1. 获取股票基本信息
resp = requests.get(f"{BASE_URL}/api/stock/info", params={"code": "600519"})
data = resp.json()
if data["success"]:
    print(f"股票名称：{data['data']['name']}")
    print(f"最新价：{data['data']['price']}")

# 2. 获取日K线数据
resp = requests.get(f"{BASE_URL}/api/market/kline", params={
    "symbol": "600519",
    "frequency": "daily"
})
kline_data = resp.json()

# 3. 运行 MA 策略回测
end_date = datetime.now().strftime("%Y-%m-%d")
start_date = (datetime.now() - timedelta(days=365*3)).strftime("%Y-%m-%d")

resp = requests.get(f"{BASE_URL}/api/backtest/ma", params={
    "symbol": "600519",
    "short": 5,
    "long": 20,
    "start_date": start_date,
    "end_date": end_date
})
backtest_result = resp.json()
if backtest_result["success"]:
    print(f"回测收益：{backtest_result['data']['total_return']}%")
    print(f"夏普比率：{backtest_result['data']['sharpe']}")

示例 2：批量回测多只股票

import requests
from concurrent.futures import ThreadPoolExecutor, as_completed

BASE_URL = "http://127.0.0.1:5001"
SYMBOLS = ["600519", "000858", "601318", "300750"]  # 茅台、五粮液、中国平安、宁德时代

def backtest_symbol(symbol):
    """回测单只股票"""
    resp = requests.get(f"{BASE_URL}/api/backtest/ma", params={
        "symbol": symbol,
        "short": 5,
        "long": 20,
        "start_date": "2021-01-01",
        "end_date": "2024-12-31"
    })
    return symbol, resp.json()

# 并发回测（注意：GIL 限制下建议不超过 5 个并发）
with ThreadPoolExecutor(max_workers=3) as executor:
    futures = {executor.submit(backtest_symbol, sym): sym for sym in SYMBOLS}
    for future in as_completed(futures):
        symbol, result = future.result()
        if result["success"]:
            print(f"{symbol}: 收益率 {result['data']['total_return']}%")
        else:
            print(f"{symbol}: 回测失败 - {result['message']}")

示例 3：量化选股并导出结果

import requests
import pandas as pd

BASE_URL = "http://127.0.0.1:5001"

# 1. 运行涨停板选股
resp = requests.get(f"{BASE_URL}/api/selection/list", params={
    "strategy": "limit_up"
})
if not resp.json()["success"]:
    print(f"选股失败：{resp.json()['message']}")
    exit(1)

stocks = resp.json()["data"]
print(f"找到 {len(stocks)} 只涨停股票")

# 2. 获取每只股票的详细信息
results = []
for stock in stocks[:10]:  # 取前 10 只
    code = stock["code"]
    resp = requests.get(f"{BASE_URL}/api/stock/info", params={"code": code})
    if resp.json()["success"]:
        results.append(resp.json()["data"])

# 3. 导出为 Excel
df = pd.DataFrame(results)
df.to_excel("涨停股票分析.xlsx", index=False)
print("结果已导出到 涨停股票分析.xlsx")

方式二：命令行（CLI）调用

启动参数说明

# 基本启动
python run.py

# 指定端口启动
python run.py --port 8080

# 生产模式（关闭调试）
python run.py --production

使用 scripts/cli.py（如果存在）

# 查看帮助
python scripts/cli.py --help

# 回测单只股票
python scripts/cli.py backtest --symbol 600519 --strategy ma --short 5 --long 20

# 批量回测
python scripts/cli.py batch_backtest --symbols 600519,000858,601318

# 导出数据
python scripts/cli.py export --type trades --output trades.xlsx

方式三：curl 调用（适合快速测试）

# 健康检查
curl http://127.0.0.1:5001/health

# 获取股票信息
curl "http://127.0.0.1:5001/api/stock/info?code=600519"

# 运行回测
curl "http://127.0.0.1:5001/api/backtest/ma?symbol=600519&short=5&long=20&start_date=2021-01-01&end_date=2024-12-31"

# 量化选股
curl "http://127.0.0.1:5001/api/selection/list?strategy=limit_up"

# 查看回测记录列表
curl "http://127.0.0.1:5001/api/backtest/list"

方式四：定时任务（Windows 任务计划程序）

场景：每天收盘后自动回测

1. 创建 Python 脚本 F:OneQuant_4.0scriptsdaily_backtest.py：

import requests
from datetime import datetime

BASE_URL = "http://127.0.0.1:5001"
SYMBOLS = ["600519", "000858", "601318"]  # 你的持仓

# 检查 Flask 是否运行
try:
    resp = requests.get(f"{BASE_URL}/health", timeout=5)
except requests.exceptions.ConnectionError:
    print("错误：Flask 服务未运行，请先启动 run.py")
    exit(1)

# 对每个持仓运行回测
for symbol in SYMBOLS:
    resp = requests.get(f"{BASE_URL}/api/backtest/ma", params={
        "symbol": symbol,
        "short": 5,
        "long": 20,
        "start_date": "2021-01-01",
        "end_date": datetime.now().strftime("%Y-%m-%d")
    })
    result = resp.json()
    if result["success"]:
        print(f"{symbol} 回测完成：收益率 {result['data']['total_return']}%")
    else:
        print(f"{symbol} 回测失败：{result['message']}")

2. 打开 Windows 任务计划程序，创建基本任务：
   • 触发器：每天 15:30（A 股收盘后）
   • 操作：启动程序
   • 程序：C:Usersfynll.workbuddybinariespythonversions3.13.12python.exe
   • 参数：F:OneQuant_4.0scriptsdaily_backtest.py
   • 起始于：F:OneQuant_4.0scripts

方式五：Docker 部署（适合服务器环境）

# 构建镜像
cd F:OneQuant_4.0
docker build -t onequant:latest .

# 运行容器（后台模式）
docker run -d 
  --name onequant 
  -p 5001:5001 
  -v ./data:/app/data 
  onequant:latest

# 查看日志
docker logs -f onequant

# 停止并删除
docker stop onequant
docker rm onequant

错误处理最佳实践

所有 API 均返回标准 JSON 格式。调用时请检查 success 字段：

import requests

def safe_api_call(url, params=None):
    """安全调用 API，包含错误处理"""
    try:
        resp = requests.get(url, params=params, timeout=10)
        data = resp.json()
        
        if not data.get("success"):
            error_code = data.get("error_code", "UNKNOWN")
            suggestion = data.get("suggestion", "请查看文档或联系支持")
            print(f"API 调用失败：{data['message']}")
            print(f"错误代码：{error_code}")
            print(f"建议：{suggestion}")
            return None
        
        return data["data"]
    
    except requests.exceptions.Timeout:
        print("错误：请求超时（10 秒），请检查网络连接")
        return None
    except requests.exceptions.ConnectionError:
        print("错误：无法连接到 Flask 服务，请确认 run.py 已启动")
        return None
    except Exception as e:
        print(f"错误：{str(e)}")
        return None

# 使用示例
data = safe_api_call(
    "http://127.0.0.1:5001/api/stock/info",
    params={"code": "600519"}
)
if data:
    print(f"股票名称：{data['name']}")

参数格式说明

性能与限制说明

功能模块与 API 索引

共 14 个功能模块，102 个 API 端点。

📖 需要详细的请求/响应示例？ 参见 references/api_examples.md，包含每个API的curl/Python调用示例、参数说明和成功/失败响应样例。

1. 大盘分析 (Market)

2. K线分析 (Kline)

支持周期：1min / 5min / 15min / 30min / 60min / 120min / daily / weekly / monthly

3. 技术信号 (Signal)

4. 量化选股 (Selection)

支持策略：limit_up（涨停板）/ ma_golden（均线金叉）/ rsi_oversold（RSI 超卖）

5. 回测中心 (Backtest)

🛠️ 自定义策略三步法（复制 → 改参数 → 运行）

不需要从零写代码，基于已有策略模板修改参数即可：

第 1 步：复制策略文件
  打开 F:OneQuant_4.0strategies.json
  找到 "ma_cross" 策略段落，复制整个 JSON 对象

第 2 步：粘贴并改名改参数
  粘贴到 strategies 数组末尾，改名 + 改参数：
  {
    "id": "my_ma_strategy",        ← 改这个
    "name": "我的MA策略（快线版）",   ← 改这个
    "type": "ma_cross",             ← 不变
    "params": {
      "short_period": 3,            ← 改（原5→3，更快）
      "long_period": 10             ← 改（原20→10，更快）
    }
  }

第 3 步：保存→重启→使用
  保存 strategies.json → 刷新浏览器
  回测中心「策略」下拉框出现「我的MA策略（快线版）」
  选中 → 输入股票代码 → 点运行 → ✅

💡 修改 JSON 不需要编程知识，只需要改数字。改完后刷新浏览器就能用。

6. 股票信息 (Stock)

7. 交易中心 (Trade)

8. 风控管理 (Risk)

9. 策略管理 (Strategy)

10. 自选股 (Watchlist)

11. 条件单 (Conditional Order)

12. 券商对接 (Broker)

作者最新文章

WPS如何调整流程图中图形的旋转方向？

2026-11-09 10:00

WPS如何修改思维导图中内容的字号大小?

2026-11-09 10:00

WPS如何将流程图中的多个图形垂直居中对齐？

2026-11-09 10:00

WPS如何将思维导图的结构调整为组织结构图？

2026-11-09 10:00

Word如何在思维导图中插入水印？

2026-11-09 10:00

WPS如何对流程图进行重命名？

2026-11-09 10:00

WPS如何查找思维导图模板？

2026-11-09 10:01

WPS如何更改流程图背景颜色？

2026-11-09 10:01

金山文档如何将流程图分享给他人？

2026-11-09 10:01

WPS如何取消流程图的网格？

2026-11-09 10:01

热门AI工具

更多

PixTV Hot

PixTV是一款面向AIGC内容创作的AI视频生成工具。

AI视频创作视频生成

创客贴AI Hot

创客贴AI是一款AI图像与设计工具，AI辅助的智能在线设计工具。

AI设计工具

讯飞智文 Hot

一款面向学习和办公场景的AI文档创作工具，可辅助生成PPT与Word文档，提高资料整理和内容制作效率。

文档处理Excel 表格

豆包大模型

豆包大模型是一款由字节跳动推出的企业级大语言模型服务平台。

AI编程开发AI大模型

WorkBuddy

一款AI办公效率工具，主要用于腾讯云推出的AI原生桌面智能体工作台，适合需要提升相关任务效率的用户。

AI办公学习Agent智能体

UpDream Hot

一款AI视频创作工具，主要用于哔哩哔哩推出的自研AI视频创作工具，适合需要提升相关任务效率的用户。

AI视频创作视频生成

Atoms Hot

Atoms是一款AI智能体工具，第一支自动构建真实业务的 AI 团队。

Agent智能体

DeepSeek

DeepSeek是一款面向对话、写作、编程和推理场景的AI大模型工具。

AI编程开发AI聊天问答

讯飞绘文 Hot

讯飞绘文是一款由科大讯飞推出的一站式 AIGC 内容运营平台。

AI应用软件PC软件

相关专题

更多

Postman身份认证怎么配置

本专题从实际API接口调试场景出发，讲解Postman身份认证的完整配置流程，包括常见认证协议介绍、授权参数设置、访问令牌填写、OAuth 2.0授权及认证失败排查，帮助用户正确完成接口授权与访问验证。

0

2026.11.06

Postman请求头Headers怎么设置

围绕Postman HTTP请求头配置展开，讲解Headers选项的具体使用方式，包括Key和Value参数填写、请求头信息添加、常见Header字段设置及请求头修改方法，帮助用户解决接口调试过程中遇到的请求头配置问题。

0

2026.11.06

Postman接口请求发送教程

详细介绍Postman接口请求的创建与发送方法，涵盖GET和POST请求、URL配置、请求参数、Headers请求头、Body请求体设置以及响应结果查看，帮助用户掌握Postman接口请求的完整操作流程。

0

2026.11.06

DBeaver怎么导入数据

DBeaver数据导入专题，整理Excel、CSV、SQL、TXT等常见文件的数据导入方法，涵盖目标数据库选择、数据表创建、字段映射、数据类型设置及导入参数配置等操作，帮助用户将本地文件中的数据写入数据库，并了解批量导入、重复数据处理和导入失败等常见问题的解决方法。

0

2026.11.05

DBeaver安全防护教程大全

DBeaver安全防护专题，围绕数据库连接安全、账号密码保护和访问权限管理展开，整理SSL/TLS加密连接、SSH隧道、数据库凭据保存及证书验证等配置方法，同时介绍敏感信息保护、远程连接风险和高权限账号使用等注意事项，帮助用户提高数据库日常管理的安全性。

0

2026.11.05

DBeaver连接创建与配置教程

本专题聚焦DBeaver数据库连接配置与管理，覆盖从新建连接、选择数据库类型到填写连接参数和验证连接的完整流程。针对MySQL、PostgreSQL、SQL Server等常见数据库，整理相应的连接设置方法，并提供驱动缺失、认证失败和连接异常等问题的排查方向。

0

2026.11.04

XORM框架结构体映射与表结构同步

本专题围绕XORM框架的结构体映射展开，说明表名与字段的命名策略、xorm标签常用属性、主键自增与时间字段自动填充，并演示Sync2自动建表、增量字段升级、索引声明与反向生成结构体的完整流程。

0

2026.11.04

XORM框架安装配置与数据库连接

本专题聚焦XORM框架的配置与连接环节，拆解MySQL、PostgreSQL、SQLite、SQL Server的DSN写法与驱动选择，讲清连接池参数、多数据源拆分、读写分离与超时重连的处理方式，并补充容器与兼容数据库的适配经验。

0

2026.11.04

XORM框架安装配置与数据库连接

本专题聚焦XORM框架的配置与连接环节，拆解MySQL、PostgreSQL、SQLite、SQL Server的DSN写法与驱动选择，讲清连接池参数、多数据源拆分、读写分离与超时重连的处理方式，并补充容器与兼容数据库的适配经验。

0

2026.11.04

热门下载

更多

网站特效

/

网站源码

/

网站素材

/

前端模板

• [表单按钮]登录表单页面js，现代化登录页面模板
• [表单按钮]注册表单布局HTML代码，登录注册切换js模板
• [文字特效]文字透视变形设计，有趣的css滑动动画
• [表单按钮]精美登录注册UI，登录页面设计模板
• [图片特效]意境背景图片唯美下载，云破月来花弄影素材
• [其它特效]液体背景制作，创意液体文字动画
• [其它特效]html滑块选择器，简单的滑块控制数字表达式
• [其它特效]文本闪烁css，文字闪光动图特效
• [其它特效]css滑块效果，气球移动动画效果图素材
• [其它特效]手写字体设计，好看的svg文字特效

• [开发框架]CodeIgniter4.6.1
• [开发框架]Django Web框架5.2.2
• [开发框架]NutzFw企业级快速开发框架1.0.3
• [开发框架]go-admin前后端分离权限管理系统脚手架2.2.0
• [开发框架]Ember.js3.28.9
• [开发框架]MaxKey单点登录认证系统3.3.3
• [开发框架]PHP7框架Phalcon71.2.3
• [开发框架]TimoPHP开发框架1.4.1
• [开发框架]猿团YTF框架1.0
• [开发框架]zentaophp框架3.0

• [网站素材]2027新年促销主题艺术字ps素材下载
• [网站素材]秋日湖边小屋插画矢量素材
• [网站素材]红色风格圣诞彩球元素海报设计下载
• [网站素材]美式快餐意面冷饮海报矢量模板
• [网站素材]篮球比赛体育复古海报矢量模板
• [网站素材]二十四节气立冬背景矢量模板
• [网站素材]2027年新年主题海报PSD源文件下载
• [网站素材]本地有机市集水彩海报矢量素材
• [网站素材]传统茶文化水彩海报背景矢量
• [网站素材]万圣节活动海报矢量模板

• [前端模板]探索文化产业服务机构网站模板
• [前端模板]现代商业数字化服务公司网站模板
• [前端模板]响应式烟草公司HTML5网站模板
• [前端模板]园艺服务机构响应式网页模板
• [前端模板]HTML5日本动画动漫网站模板
• [前端模板]蛋糕烘焙美食宣传网站模板
• [前端模板]黑白风格律师个人简历展示网页模板
• [前端模板]黑色风格摄影工作室宣传网站模板
• [前端模板]响应式金融公司HTML5网站模板
• [前端模板]HTML5音乐节演唱会宣传网站模板

相关下载

更多

MDPHP(麦迪php框架系统)1.1

PHP 多国语言框架2.0

ujframe简单快速PHP开发框架1.0

php轻量型框架1.0

MyQEE开源PHP多项目及模块化开发框架3.0 RC2

php开源学习型框架CMVC1.2.0

PHP框架Kohana3.3.1

精品课程

更多

热门推荐

/

最新课程

JavaScript ES5基础线上课程教学

共6课时 | 12.1万人学习

最新ThinkPHP 5.1全球首发视频教程(60天成就PHP大牛线上培训班课)

共79课时 | 161.8万人学习

phpStudy极速入门视频教程

共6课时 | 54.7万人学习

Go-zero与XORM网盘项目实战

共0课时 | 0人学习

Go编程名库XORM使用教程

共0课时 | 0人学习

Starlette，Pydantic 与 FastAPI 框架是什么关系？

共0课时 | 0人学习

最新文章

更多

微软申请AI直播视频改写专利 可实时替换语音并同步重绘唇形

火山引擎发布Seedream5.5:像素级可控编辑，百轮修改不崩坏

当 20 万员工遇上 2000 万智能体：纳德拉描绘微软新编制

腾讯WorkBuddy联合中国记协“记者之家”推出记者节AI办公福利，最高送出超20万份积分

Cloudflare security-audit 怎么复查？用覆盖台账安排下一轮审计

Cloudflare security-audit 的报告怎么看？读懂三种审计结论

Cloudflare security-audit 怎么使用？启动一次代码仓库审计

Cloudflare security-audit 怎么安装？用 Skills CLI 添加审计技能

Cloudflare security-audit 是什么？看懂 AI 代码审计的六个阶段

Firebase Studio项目怎么导出迁移？AI Studio与Antigravity的适用路线

关于我们 免责申明 举报中心 意见反馈 讲师合作 广告合作 最新更新

php中文网：公益在线php培训，帮助PHP学习者快速成长！

关注服务号

微信扫码
关注PHP中文网服务号

PHP中文网订阅号

每天精选资源文章推送

Copyright 2014-2026 https://www.php.cn/ All Rights Reserved | php.cn