Buf 项目使用教程
1. 项目介绍
Buf 是一个用于 Protocol Buffers(Protobuf)和 gRPC 的开发工具,旨在简化 Protobuf 文件的管理和使用。Buf 提供了强大的命令行工具(CLI),帮助开发者进行 Protobuf 文件的格式化、验证、生成代码等操作。Buf 还集成了 Buf Schema Registry(BSR),提供了一个集中式的 Protobuf 管理平台,支持版本控制、依赖管理等功能。
2. 项目快速启动
2.1 安装 Buf
你可以通过 Homebrew 在 macOS 或 Linux 上安装 Buf:
brew install bufbuild/buf/buf
安装完成后,你可以通过以下命令验证安装是否成功:
buf --version
2.2 初始化项目
在你的项目目录下,运行以下命令初始化 Buf 配置文件:
buf init
这将在项目根目录下生成一个 buf.yaml 配置文件。
2.3 格式化 Protobuf 文件
假设你有一个 example.proto 文件,你可以使用 Buf 对其进行格式化:
buf format -w example.proto
2.4 生成代码
使用 Buf 生成代码非常简单。假设你有一个 example.proto 文件,你可以使用以下命令生成代码:
buf generate
Buf 会根据 buf.gen.yaml 配置文件中的设置生成相应的代码。
3. 应用案例和最佳实践
3.1 使用 Buf 进行代码生成
Buf 支持多种代码生成插件,例如 gRPC、Go、Java 等。你可以在 buf.gen.yaml 文件中配置所需的插件:
version: v1
plugins:
- name: go
out: gen/go
opt: paths=source_relative
- name: java
out: gen/java
然后运行 buf generate 命令,Buf 会自动生成相应的代码。
3.2 使用 Buf Schema Registry
Buf Schema Registry(BSR)是一个集中式的 Protobuf 管理平台,支持版本控制和依赖管理。你可以通过 Buf CLI 将你的 Protobuf 文件推送到 BSR:
buf push
推送后,其他开发者可以通过 BSR 获取你的 Protobuf 文件,并生成相应的代码。
4. 典型生态项目
4.1 gRPC
Buf 与 gRPC 紧密集成,支持生成 gRPC 服务端和客户端代码。通过 Buf,你可以轻松管理 gRPC 服务的 Protobuf 定义,并生成相应的代码。
4.2 Go
Buf 提供了对 Go 语言的强大支持,可以生成符合 Go 语言规范的 Protobuf 代码。通过 Buf,你可以确保生成的代码风格一致,并且符合最佳实践。
4.3 Java
Buf 也支持生成 Java 代码,适用于需要使用 Protobuf 的 Java 项目。通过 Buf,你可以轻松管理 Protobuf 定义,并生成高质量的 Java 代码。
通过以上步骤,你可以快速上手使用 Buf 进行 Protobuf 和 gRPC 的开发,并充分利用 Buf 提供的强大功能。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0199
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0130
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python08
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07