kube-prompt 使用教程
1. 项目介绍
kube-prompt 是一个交互式的 Kubernetes 客户端工具,它基于 go-prompt 实现自动补全功能。kube-prompt 接受与 kubectl 相同的命令,但不需要提供 kubectl 前缀。这使得使用 kube-prompt 时不需要额外的成本,并且可以通过管道(|)与其他命令集成。
2. 项目快速启动
安装
macOS (darwin) - amd64
wget https://github.com/c-bata/kube-prompt/releases/download/v1.0.11/kube-prompt_v1.0.11_darwin_amd64.zip
unzip kube-prompt_v1.0.11_darwin_amd64.zip
chmod +x kube-prompt
sudo mv ./kube-prompt /usr/local/bin/kube-prompt
Linux - amd64
wget https://github.com/c-bata/kube-prompt/releases/download/v1.0.11/kube-prompt_v1.0.11_linux_amd64.zip
unzip kube-prompt_v1.0.11_linux_amd64.zip
chmod +x kube-prompt
sudo mv ./kube-prompt /usr/local/bin/kube-prompt
Linux - i386
wget https://github.com/c-bata/kube-prompt/releases/download/v1.0.11/kube-prompt_v1.0.11_linux_386.zip
unzip kube-prompt_v1.0.11_linux_386.zip
chmod +x kube-prompt
sudo mv ./kube-prompt /usr/local/bin/kube-prompt
Linux - arm64
wget https://github.com/c-bata/kube-prompt/releases/download/v1.0.11/kube-prompt_v1.0.11_linux_arm64.zip
unzip kube-prompt_v1.0.11_linux_arm64.zip
chmod +x kube-prompt
sudo mv ./kube-prompt /usr/local/bin/kube-prompt
使用
安装完成后,可以直接在终端中运行 kube-prompt 命令,进入交互式 Kubernetes 客户端界面。
kube-prompt
在交互界面中,你可以直接输入 kubectl 命令,例如:
get pod
kube-prompt 会自动补全命令并显示结果。
3. 应用案例和最佳实践
应用案例
kube-prompt 特别适用于需要频繁操作 Kubernetes 集群的开发者和运维人员。例如,在开发过程中,开发者可以使用 kube-prompt 快速查看和修改 Kubernetes 资源,而不需要每次都输入完整的 kubectl 命令。
最佳实践
-
集成到 Shell 配置:将 kube-prompt 集成到你的 Shell 配置文件中,例如
.bashrc或.zshrc,以便在每次打开终端时自动启动 kube-prompt。 -
使用管道:kube-prompt 支持通过管道与其他命令集成,例如:
get pod | grep web这可以帮助你快速过滤和查看特定资源。
-
自定义命令:虽然 kube-prompt 支持 kubectl 的所有命令,但你也可以通过自定义脚本和管道来扩展其功能,以满足特定需求。
4. 典型生态项目
kube-shell
kube-shell 是另一个基于 Python 的交互式 Kubernetes 客户端工具,使用 python-prompt-toolkit 实现自动补全功能。它与 kube-prompt 类似,但提供了更多的自定义选项和功能。
kubectx 和 kubens
kubectx 和 kubens 是用于快速切换 Kubernetes 集群和命名空间的工具。它们可以与 kube-prompt 结合使用,以提高操作效率。
oc
oc 是 OpenShift 的命令行工具,类似于 kubectl,但提供了更多与 OpenShift 相关的功能。kube-prompt 也支持 oc 命令,因此可以用于 OpenShift 集群的管理。
通过这些工具的结合使用,你可以构建一个强大的 Kubernetes 和 OpenShift 管理环境,提高工作效率。
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