浏览器ify服务化(browserify-as-a-service)技术文档
1. 安装指南
该项目无需安装,它是一个基于Web的服务,你可以直接通过URL访问和使用它。如果你需要在本地运行或自定义这个服务,你可以通过以下方式在Heroku或Docker上部署:
Heroku安装
heroku create my-browserify-cdn
git push heroku master
heroku ps:scale web=1
Docker安装
docker build -t "wzrd.in" /path/to/wzrd.in
docker run -p 8080:8080 wzrd.in
请注意,Docker部署将会在每次新部署时清除缓存。
2. 项目使用说明
该项目提供了一个简单的API,用于生成浏览器版本的JavaScript模块。你可以通过访问特定的URL来获取已缓存模块的束(bundle),或者请求创建一个新的模块束。
例如,你可以通过以下URL获取concat-stream模块的最新版本:
https://wzrd.in/standalone/concat-stream@latest
如果你访问的模块之前没有人访问过,它将从npm拉取模块,将其浏览器化,然后发送给你,并将其缓存以便下次使用。
3. 项目API使用文档
以下是可用的API端点:
GET /bundle/:module
获取:module的最新版本。
GET /bundle/:module@:version
获取满足给定:version的:module版本,默认为最新版本。
GET /debug-bundle/:module
GET /debug-bundle/:module@:version
与上述两个相同,但向browserify传递了--debug参数。
GET /standalone/:module
GET /standalone/:module@:version
在这种情况下,向browserify传递了--standalone参数。
GET /debug-standalone/:module
GET /debug-standalone/:module@:version
向browserify传递了--debug和--standalone参数。
POST /multi
发送一个如下所示的请求体:
{
"options": {
"debug": true
},
"dependencies": {
"concat-stream": "0.1.x",
"hyperstream": "0.2.x"
}
}
"options"允许你设置"debug"、"standalone"和"fullPaths"。如果不定义"options",默认为{ "debug": false, "standalone": false, "fullPaths": false }。
返回的响应可能如下所示:
{
"concat-stream": {
"package": /* the concat-stream package.json */,
"bundle": /* the concat-stream bundle */
},
"hyperstream": {
"package": /* the hyperstream package.json */,
"bundle": /* the hyperstream bundle */
}
}
该束将被永久缓存,以便将来通过GET请求访问。
GET /multi/:existing-bundle
如果你之前保存了POST请求的Location URL,你可以直接通过GET请求来访问它,而不是再次POST。
GET /status/:module
GET /status/:module@:version
获取模块的构建状态信息。返回满足给定semver的所有版本的构建信息(或者如果缺少semver,则为最新版本)。
返回的Blob通常如下所示:
{
"module": "concat-stream",
"builds": {
"1.4.1": {
"ok": true
}
}
}
"module"和"builds"字段应该都存在。"builds"的键是版本。属性包括:
- "ok":包是否最后一次构建成功
- "error":如果包构建失败("ok"为false),此属性将包含关于错误的信息
未构建的版本将不会在"builds"中键入。
4. 项目安装方式
该项目作为一个Web服务运行,因此不需要传统意义上的安装。你可以通过提供的URL直接使用它,或者按照上面的说明在Heroku或Docker上部署自己的实例。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00- 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
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
ruoyi-plus-soybeanRuoYi-Plus-Soybean 是一个现代化的企业级多租户管理系统,它结合了 RuoYi-Vue-Plus 的强大后端功能和 Soybean Admin 的现代化前端特性,为开发者提供了完整的企业管理解决方案。Vue06- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00