Ruote 项目技术文档
2024-12-23 15:34:52作者:秋泉律Samson
1. 安装指南
1.1 环境准备
在安装 Ruote 之前,请确保您的系统已经安装了 Ruby 环境。Ruote 是一个基于 Ruby 的工作流引擎,因此需要 Ruby 运行时支持。
1.2 安装依赖
Ruote 依赖于以下几个 gem 包:
yajl-rubyrufus-scheduler(版本 2.0.24)ruote
您可以通过以下命令安装这些依赖:
gem install yajl-ruby
gem install rufus-scheduler -v 2.0.24
gem install ruote
或者,您可以使用 Gemfile 来管理依赖,参考如下 Gemfile 示例:
source 'https://rubygems.org'
gem 'yajl-ruby'
gem 'rufus-scheduler', '2.0.24'
gem 'ruote'
然后运行 bundle install 来安装所有依赖。
2. 项目的使用说明
2.1 初始化引擎
首先,您需要初始化 Ruote 引擎。以下是一个简单的示例代码:
require 'rubygems'
require 'ruote'
require 'ruote/storage/fs_storage'
# 准备引擎
engine = Ruote::Engine.new(
Ruote::Worker.new(
Ruote::FsStorage.new('ruote_work')))
2.2 注册参与者
参与者是工作流中的关键组件,负责处理工作项。您可以通过以下方式注册参与者:
# 注册参与者
engine.register_participant :alpha do |workitem|
workitem.fields['message'] = { 'text' => 'hello !', 'author' => 'Alice' }
end
engine.register_participant :bravo do |workitem|
puts "I received a message from #{workitem.fields['message']['author']}"
end
2.3 定义工作流
工作流定义描述了工作项的流转方式。以下是一个简单的工作流定义示例:
# 定义工作流
pdef = Ruote.process_definition :name => 'test' do
sequence do
participant :alpha
participant :bravo
end
end
2.4 启动工作流
定义好工作流后,您可以通过以下代码启动工作流实例:
# 启动工作流实例
wfid = engine.launch(pdef)
# 等待工作流实例结束
engine.wait_for(wfid)
3. 项目API使用文档
3.1 Ruote::Engine
Ruote::Engine 是 Ruote 的核心类,负责管理工作流的执行。
new(worker):初始化引擎,传入一个Worker实例。register_participant(name, &block):注册一个参与者,name是参与者的名称,block是处理工作项的代码块。launch(process_definition):启动一个工作流实例,传入工作流定义。wait_for(wfid):等待指定的工作流实例结束。
3.2 Ruote::Worker
Ruote::Worker 负责执行工作流中的任务。
new(storage):初始化 Worker,传入一个存储实例。
3.3 Ruote::FsStorage
Ruote::FsStorage 是 Ruote 的文件系统存储实现。
new(path):初始化存储,传入存储路径。
4. 项目安装方式
Ruote 可以通过 RubyGems 安装,具体步骤如下:
- 打开终端或命令行工具。
- 运行以下命令安装 Ruote 及其依赖:
gem install yajl-ruby
gem install rufus-scheduler -v 2.0.24
gem install ruote
- 安装完成后,您可以在 Ruby 项目中通过
require 'ruote'引入 Ruote。
通过以上文档,您应该能够顺利安装、使用 Ruote 项目,并了解其 API 的基本使用方法。
登录后查看全文
热门项目推荐
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
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
185
196
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
480
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
276
97
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
380
3.44 K
暂无简介
Dart
623
140
React Native鸿蒙化仓库
JavaScript
242
315
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
648
265
openGauss kernel ~ openGauss is an open source relational database management system
C++
157
210