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。
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