Rump 项目技术文档
1. 安装指南
Rump 是一个帮助你在本地运行 Puppet 的工具,支持通过 Git 仓库进行快速迭代开发。以下是安装 Rump 的步骤:
安装 Rump
-
确保你的系统已经安装了 Ruby 和 RubyGems。
-
使用以下命令安装 Rump:
$ gem install rump
安装完成后,你可以开始使用 Rump 来管理 Puppet 清单。
2. 项目的使用说明
基本使用流程
-
克隆 Puppet 清单仓库:
首先,使用 Rump 克隆你的 Puppet 清单仓库:
$ rump clone git@github.com:me_at_example_dot_org/puppet.git -
进入目录并运行 Puppet:
进入克隆的目录,并使用 Rump 运行 Puppet:
$ cd puppet $ sudo rump go -
迭代开发:
在开发过程中,你可以通过以下步骤进行迭代:
-
创建新分支:
$ git checkout -b new_feature -
修改清单文件,并使用
--noop选项预览更改:$ sudo rump go --noop -
应用更改:
$ sudo rump go -
迭代直到功能稳定后,合并到主分支并推送:
$ git checkout master $ git merge new_feature $ git push
-
冻结 Puppet
Rump 支持将 Puppet 和 Facter 冻结到你的清单仓库中,以便在不同版本的 Puppet 上进行测试。
-
冻结 Puppet:
使用以下命令冻结 Puppet 和 Facter:
$ rump freeze -
管理 Puppet 版本:
你可以通过编辑
Gemfile来指定要冻结的 Puppet 版本:source :rubygems gem "puppet", "2.6.4"如果你想使用 Git 上的 Puppet 版本,可以这样配置:
source :rubygems gem "puppet", "2.6.7", :git => "git://github.com/puppetlabs/puppet.git", :tag => "2.7.0rc1" gem "facter", "1.5.8", :git => "git://github.com/puppetlabs/facter.git", :tag => "1.5.9rc5"
3. 项目 API 使用文档
Rump 提供了简单的命令行接口,以下是主要命令的说明:
rump clone
克隆 Puppet 清单仓库:
$ rump clone git@github.com:me_at_example_dot_org/puppet.git
rump go
运行 Puppet:
$ sudo rump go
你可以附加 Puppet 命令的选项,例如:
$ sudo rump go --verbose --debug --noop
rump freeze
冻结 Puppet 和 Facter:
$ rump freeze
4. 项目安装方式
Rump 的安装非常简单,只需使用 RubyGems 进行安装:
$ gem install rump
安装完成后,你可以通过命令行使用 Rump 来管理 Puppet 清单。
5. 开发与测试
开发环境设置
-
克隆 Rump 仓库:
$ git clone git@github.com:your_repo/rump.git -
安装开发依赖:
$ bundle install
运行测试
Rump 提供了 Cucumber 测试套件,你可以运行以下命令来执行测试:
$ cucumber features/
如果你不想运行需要网络连接的测试,可以使用以下命令:
$ cucumber --tags ~@online features/
6. 注意事项
-
Puppet 文件服务器:
在 Puppet < 2.6 版本中,文件服务器的行为可能与预期不符,所有文件需要作为模板处理。
-
清单模块化:
清单需要放在模块中,以便 Puppet 正确识别。
7. 许可证
除非另有说明,所有内容版权 © 2014, Rails Machine, LLC
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00