Aztec Packages 开源项目安装与使用指南
本指南旨在提供关于Aztec Protocol的aztec-packages仓库的详细指引,包括其目录结构、启动文件以及配置文件的解析,帮助开发者快速上手并有效利用此开源项目。
1. 项目的目录结构及介绍
aztec-packages仓库采用了单体仓库(Monorepo)的管理方式,包含了构建Aztec网络所需的各种软件包。以下是关键目录的简介:
-
l1-contracts: 包含用于Ethereum上处理rollups的Solidity智能合约。
-
yarn-project: 类型脚本代码,涵盖了客户端与后端开发。
-
docs: 文档来源代码,用于站点上Aztec协议的文档展示。
-
Aztec.nr: 特定于Aztec的Noir框架,用于开发智能合约。
-
Aztec: 启动本地开发网络模块,如“sandbox”devnet、Ethereum网络、部署的rollup合同以及Aztec执行环境。
-
Aztec.js: 交互工具,通过Private Execution Environment (PXE)与Aztec网络通信。
-
Example contracts: 使用Noir编写的Aztec网络示例合同。
-
End to end tests: TypeScript编写的集成测试案例,作为如何使用这些包完成特定任务的参考。
-
Aztec Boxes: 快速入门的示例项目模板。
其他重要文件和目录如.github用于存放GitHub工作流配置,build-system用于管理CI/CD流程,以及scripts目录内包含各种辅助脚本等。
2. 项目的启动文件介绍
主要启动脚本:bootstrap.sh
位于项目根目录下的bootstrap.sh是主要的设置脚本,分为两种运行模式:
full: 完全设置,包括更新子模块、下载Ignition transcripts、安装Foundry、编译Solidity合约、通过nvm安装当前节点版本,并构建所有TypeScript包。fast: 适用于仅需调试Noir合约或TypeScript时快速设置,它将从CI缓存中下载现有的Barretenberg和Nargo构建,但要求有AWS ECR凭据且最好在Ubuntu系统上操作。
3. 项目的配置文件介绍
-
CODEOWNERS: 指定了仓库中的文件到负责人的映射,确保Pull Request能够正确分配审查者。 -
.editorconfig: 保证跨编辑器的代码风格一致性。 -
.gitattributes,.gitignore,.gitmodules: 版本控制相关的配置,用于忽略不需要提交的文件、定义子模块信息等。 -
release-please-manifest.json: 控制自动发布流程,确定哪些更改触发新的版本生成。 -
CIRCLE_CI相关配置: 如存在,通常隐藏于.circleci/config.yml,用于配置持续集成步骤。 -
环境变量配置:例如,调试时可能需要设置
DEBUG来指定日志输出详情,具体配置不在文件内,但会影响日志行为。
请注意,实际的配置文件细节和作用可能随着项目维护和更新而有所变化,因此建议查阅仓库内的最新文件注释或文档以获取最准确的信息。在进行任何配置修改前,请仔细阅读相关说明,确保理解其对项目的影响。
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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