Attune 项目安装与配置指南
1. 项目基础介绍
Attune 是一个用于安全发布和托管 Linux 软件包的工具。它支持自托管软件包仓库或使用其托管的云基础设施。Attune 的设计注重安全性,它的命令行界面 (CLI) 可以在本地对仓库索引进行签名,这样用户可以拥有自己的签名密钥,而不需要暴露它们。此外,Attune 支持增量仓库索引重建,使得添加和删除软件包变得非常快速。目前,Attune 支持 APT (Debian 和 Ubuntu) 仓库的发布,更多类型的仓库支持即将推出。
该项目主要使用以下编程语言:
- Rust
- Go
- PLpgSQL
2. 关键技术和框架
- Docker: 用于容器化应用,简化部署流程。
- GnuPG (gpg): 用于加密和签名软件包,确保软件发布的安全性。
- Rust/Go: 主要的后端开发语言,用于构建 Attune 的核心功能。
- PLpgSQL: 可能用于数据库相关的操作。
3. 安装和配置准备工作
在开始安装之前,请确保您的系统中已经安装了以下工具:
- Docker
- GnuPG (gpg)
安装步骤
-
克隆仓库:首先,您需要从 GitHub 克隆 Attune 仓库到本地。
git clone git@github.com:attunehq/attune.git && cd attune -
配置环境变量:接下来,复制
.env.example文件为.env,并根据您的部署需求修改这些值,特别是ATTUNE_SECRET。cp .env.example .env -
启动控制平面和服务:使用 Docker Compose 启动 Attune 的控制平面和相关服务。
docker compose up -d -
安装 Attune CLI:从 GitHub Releases 下载 Attune CLI 并安装。
-
创建一个仓库:使用 Attune CLI 创建一个新的仓库。
attune repo create -u 'http://localhost:9000/debian' -d bookworm -
准备一个
.deb软件包:您可以从网上下载一个示例软件包,比如https://cdn.teleport.dev/teleport_17.4.4_arm64.deb。 -
将软件包添加到仓库:将准备好的
.deb软件包添加到您创建的仓库中。attune repo pkg -r 1 add -c stable/v17 /path/to/your/teleport_17.4.4_arm64.deb -
生成 GPG 密钥(如果需要):使用以下命令生成一个 GPG 密钥。
gpg --generate-key -
获取密钥 ID:列出您的秘密密钥,找到您想要用于签名的密钥 ID。
gpg --list-secret-keys -
导出签名密钥:导出您的签名密钥,替换
$KEYID为您的密钥 ID。gpg --armor --export-secret-keys --output demo-key.asc $KEYID -
签名并部署仓库:使用您的签名密钥签名并部署仓库。
attune repo -r 1 sync -k demo-key.asc
恭喜!您已经完成了 Attune 的安装和配置。如需更多详细设置和配置选项,请参考用户指南。
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