ApiAuth 技术文档
1. 安装指南
ApiAuth 是一个用于客户端和服务器端 HTTP 应用的 Ruby gem,它实现了与亚马逊 Web 服务相同的认证方法(HMAC-SHA2)。要安装 ApiAuth,请确保您的 Ruby 版本 >= 2.6,如果使用 Rails,请确保 Rails 版本 >= 6.0。
安装命令如下:
[sudo] gem install api-auth
请注意,gem 名称中的连字符是 api-auth,而不是下划线。
2. 项目的使用说明
ApiAuth 主要用于在客户端对请求进行签名,并在服务器端验证签名。它支持多种流行的 HTTP 客户端,如 Net::HTTP、ActionDispatch::Request、RestClient、Faraday 等。
2.1 客户端请求签名
假设您有一个客户端访问 ID 和密钥:
@access_id = "1044"
@secret_key = ApiAuth.generate_secret_key
使用 RestClient 进行 PUT 请求的示例:
headers = { 'X-Authorization-Content-SHA256' => "dWiCWEMZWMxeKM8W8Yuh/TbI29Hw5xUSXZWXEJv63+Y=",
'Content-Type' => "text/plain",
'Date' => "Mon, 23 Jan 1984 03:29:56 GMT"
}
@request = RestClient::Request.new(
url: "/resource.xml?foo=bar&bar=foo",
headers: headers,
method: :put
)
对请求进行签名:
@signed_request = ApiAuth.sign!(@request, @access_id, @secret_key)
签名后,请求头中将添加 Authorization 字段,请求即可发送。
2.2 ActiveResource 客户端
ApiAuth 可以透明地保护您的 ActiveResource 通信,只需在 ActiveResource 类中添加一行配置:
class MyResource < ActiveResource::Base
with_api_auth(access_id, secret_key)
end
这将自动为您的应用中的所有 ActiveResource 请求签名。
2.3 Faraday 客户端
ApiAuth 提供了 Faraday 中间件,用于为 Faraday 连接添加认证:
require 'faraday/api_auth'
Faraday.new do |f|
f.request :api_auth, @access_id, @secret_key
end
请注意,中间件的顺序很重要,确保 api_auth 是最后一个。
3. 项目 API 使用文档
3.1 生成 API 密钥
您可以使用以下方法为客户端生成 Base64 编码的 API 密钥:
ApiAuth.generate_secret_key
3.2 验证请求
要验证请求是否真实,可以使用以下方法:
ApiAuth.authentic?(signed_request, secret_key)
默认情况下,authentic? 方法使用 Authorization 头中指定的摘要方法。如果需要强制使用其他摘要方法,可以传递 digest 参数:
ApiAuth.authentic?(signed_request, secret_key, :digest => 'sha256')
为了防止重放攻击,默认情况下,请求的有效期为 15 分钟。您可以通过 clock_skew 参数调整有效期:
ApiAuth.authentic?(signed_request, secret_key, :clock_skew => 60) # 1 分钟
3.3 获取客户端访问 ID
您可以从请求头中提取客户端的访问 ID:
ApiAuth.access_id(signed_request)
4. 项目安装方式
ApiAuth 的安装非常简单,只需使用以下命令:
[sudo] gem install api-auth
确保您的 Ruby 和 Rails 版本符合要求,并且 OpenSSL 配置正确。
总结
ApiAuth 是一个强大的工具,用于在客户端和服务器端之间进行安全的 HTTP 通信。通过简单的配置和 API 调用,您可以轻松地为请求签名并验证其真实性。希望本文档能帮助您更好地理解和使用 ApiAuth。
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
atomcodeAn open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust014
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00