PSICK 技术文档
本文档将详细介绍如何安装、使用以及通过 API 操作 PSICK(Puppet Systems Infrastructure Construction Kit)项目。
1. 安装指南
首先,您需要克隆 PSICK 仓库到本地:
git clone https://github.com/example42/psick
cd psick
./psick create
psick 命令当前仅允许创建新的控制库,并填充其内容为最简结构或完整的 PSICK 内容。在未来,它将提供选择单一组件(集成、配置文件等)的功能。
2. 项目的使用说明
创建完控制库后,您可以开始使用它。如果选择复制完整的 PSICK 内容到您的控制库,您可以在自己的控制库目录下运行以下命令,否则在 PSICK 目录下运行。
以下适用于文档中引用的所有脚本和路径,但请注意,一些位于 bin/ 目录和其他集成中的脚本在不完整的 PSICK 设置下可能无法正确运行。
设置 Puppet 环境
PSICK 控制库需要 Puppet 4 或更高版本。如果尚未安装,可以使用以下跨操作系统 Puppet 4 安装脚本(使用官方 Puppet 仓库):
sudo bin/puppet_install.sh # 仅在未安装 Puppet 4 的情况下
在开始使用之前,您需要填充控制库的 modules/ 目录。您需要在开发工作站和 Puppet 服务器上执行此操作(将控制库放置到 /etc/puppetlabs/code/environments/ 目录下后)。
为了安装必需的 gems(hiera-eyaml、deep_merge、r10k)并通过 r10k 填充外部模块目录,可以运行:
bin/puppet_setup.sh # 仅在未安装必要 gems 的情况下
如果已经安装了 r10k 和必要 gems,只需运行:
r10k puppetfile install -v
如果您还想安装推荐的(Vagrant、Docker)工具,可以与仓库一起使用,运行:
bin/setup.sh # 仅在需要安装 Vagrant 和 Docker 的情况下
脚本将安装并运行 r10k,然后使用 Puppet 安装其他软件。
注意:
-
您将始终被要求确认或跳过每个步骤。
-
脚本将使用
sudo执行需要 root 权限的操作。 -
脚本主要在 Mac 和 Linux 环境下进行了测试。在 Mac 上,某些软件包的安装可能不工作。
-
您可以随时使用 CTRL+C 中断脚本。
-
对于无人值守的设置(如 CI 管道),可以通过传递
auto参数来跳过确认请求:bin/puppet_setup.sh auto bin/setup.sh auto
3. 项目 API 使用文档
PSICK 项目主要通过 Puppet 进行操作,不直接提供 API。但是,它支持多种 CI 解决方案(Gitlab、GitHub、CD4PE...),并且可以通过这些工具的 API 进行集成。
4. 项目安装方式
PSICK 的安装方式已在“安装指南”部分详细说明。以下是简要步骤:
- 克隆仓库。
- 使用
./psick create创建控制库。 - 根据 Puppet 环境安装必要的 gems 和外部模块。
- (可选)安装 Vagrant 和 Docker。
遵循上述步骤,您可以成功安装并开始使用 PSICK 项目。
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