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。
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
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
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- 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