Mural 开源项目使用教程
1. 项目介绍
Mural 是一个开源的协作平台,旨在帮助团队更好地进行视觉协作。它提供了一个安全、灵活的在线工作空间,支持团队成员在同一个白板上进行实时协作,无论是进行头脑风暴、项目规划还是团队回顾,Mural 都能提供强大的支持。
Mural 的核心功能包括:
- 实时协作:支持多人同时在线编辑。
- 模板库:提供多种预设模板,方便快速启动。
- 集成:支持与 Microsoft 365、Google Workspace 等工具的集成。
- 安全:符合 GDPR 和 CCPA 等数据保护法规。
2. 项目快速启动
2.1 环境准备
在开始之前,请确保你已经安装了以下工具:
- Git
- Node.js (建议版本 v14.x 或更高)
- npm (建议版本 v6.x 或更高)
2.2 克隆项目
首先,克隆 Mural 项目到本地:
git clone https://github.com/GetMural/Mural.git
cd Mural
2.3 安装依赖
进入项目目录后,安装项目依赖:
npm install
2.4 启动项目
安装完成后,启动项目:
npm start
项目启动后,你可以在浏览器中访问 http://localhost:3000 来查看 Mural 的界面。
3. 应用案例和最佳实践
3.1 团队协作
Mural 非常适合用于团队协作,尤其是在远程工作的情况下。团队成员可以在同一个白板上进行实时协作,无论是进行头脑风暴、项目规划还是团队回顾,Mural 都能提供强大的支持。
3.2 项目管理
Mural 提供了丰富的模板库,可以帮助团队快速启动项目管理。例如,你可以使用“项目规划”模板来创建项目计划,使用“团队回顾”模板来进行团队回顾。
3.3 创新工作坊
Mural 还可以用于组织创新工作坊。通过使用 Mural 的模板和工具,团队可以更好地进行创意生成和问题解决。
4. 典型生态项目
4.1 Microsoft 365 集成
Mural 与 Microsoft 365 进行了深度集成,支持与 Teams、OneNote 等工具的无缝协作。通过这种集成,团队可以更方便地在 Mural 中进行协作。
4.2 Google Workspace 集成
Mural 也支持与 Google Workspace 的集成,包括与 Google Drive、Google Docs 等工具的协作。这种集成可以帮助团队更好地进行跨平台协作。
4.3 LUMA Institute 合作
Mural 与 LUMA Institute 合作,提供了一套基于 Mural 的创新工具和方法论。通过这种合作,团队可以更好地进行创新和设计思维的实践。
通过以上步骤,你可以快速启动并使用 Mural 开源项目,并了解其在不同场景下的应用和最佳实践。
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
Spark-Prover-X1-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
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