Open edX DevStack 使用教程
1. 项目介绍
Open edX DevStack 是一个用于快速启动和开发 Open edX 服务的工具。它提供了一系列脚本和配置文件,帮助开发者快速搭建一个完整的 Open edX 开发环境。DevStack 主要用于开发和扩展 Open edX 服务,支持从源代码快速部署 Open edX 云环境。
2. 项目快速启动
2.1 环境准备
在开始之前,确保你的系统满足以下要求:
- 操作系统:Linux(推荐 Ubuntu)
- Docker 和 Docker Compose 已安装
- Git 已安装
2.2 克隆项目
首先,克隆 DevStack 项目到本地:
git clone https://github.com/openedx/devstack.git
cd devstack
2.3 启动 DevStack
使用以下命令启动 DevStack:
make dev.up
这个命令会启动所有必要的容器,并配置 Open edX 环境。
2.4 访问 Open edX
启动完成后,你可以通过以下地址访问 Open edX:
- LMS(学习管理系统): http://localhost:18000
- Studio(课程创作工具): http://localhost:18010
3. 应用案例和最佳实践
3.1 开发新功能
DevStack 是开发新功能和扩展 Open edX 服务的理想工具。开发者可以在本地环境中快速测试和调试代码,而无需担心影响生产环境。
3.2 测试和调试
DevStack 提供了一个完整的 Open edX 环境,开发者可以在此环境中进行各种测试和调试工作。例如,测试新开发的插件或模块,调试已有的功能等。
3.3 学习 Open edX
对于新接触 Open edX 的开发者,DevStack 提供了一个快速入门的环境。通过在本地搭建 Open edX 环境,开发者可以更好地理解 Open edX 的架构和功能。
4. 典型生态项目
4.1 Tutor
Tutor 是另一个用于部署和管理 Open edX 的工具,它提供了更简单的部署方式和更丰富的功能。对于生产环境的部署,推荐使用 Tutor。
4.2 Open edX Platform
Open edX Platform 是 Open edX 的核心项目,包含了 LMS 和 Studio 等核心组件。DevStack 是基于 Open edX Platform 构建的,因此开发者可以通过 DevStack 深入了解 Open edX Platform 的内部机制。
4.3 Open edX Mobile
Open edX Mobile 是 Open edX 的移动端应用,支持在移动设备上访问 Open edX 课程。开发者可以通过 DevStack 搭建的本地环境,测试和开发 Open edX Mobile 的功能。
通过以上内容,你可以快速上手 Open edX DevStack,并开始开发和扩展 Open edX 服务。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00