hub 的安装和配置教程
2025-05-18 09:00:49作者:滑思眉Philip
项目基础介绍
hub 是一个集成了人工智能的设备中心,它允许用户使用自然语言与物理设备进行交互,比如通过大型语言模型主机(如 Claude Desktop 或 Cursor)控制安全摄像头、温度计等。hub 作为 AI 与物理世界之间的网关,为用户提供了一个无缝的交互体验。
该项目的主要编程语言是 Go,同时也使用了 TinyGo 和 htmx。
项目使用的关键技术和框架
- Model Context Protocol (MCP): 这是一个允许 hub 与大型语言模型主机进行通信的协议。
- Docker: 用于容器化 hub,便于在任何支持 Docker 的环境中部署。
- Go/TinyGo: 用于编写 hub 的后端逻辑,TinyGo 是 Go 的一个分支,专为微控制器优化。
- htmx: 用于构建 hub 的前端用户界面。
项目安装和配置的准备工作
在开始安装 hub 之前,您需要做一些准备工作:
- 确保您的系统中已经安装了 Docker。如果尚未安装,您可以从 Docker 官网下载并安装适合您操作系统的版本。
- 准备一个支持 SSH 的服务器或者本地机器,用于运行 hub。
- 确认您有权限在目标机器上执行命令,最好是具有 sudo 权限的用户。
安装步骤
以下是详细的 hub 安装步骤:
通过 Docker 安装
-
打开终端(在 Windows 上是命令提示符或 PowerShell)。
-
运行以下命令以拉取 merliot/hub 的 Docker 镜像并启动容器:
sudo docker run -p 8000:8000 merliot/hub这条命令会将容器的 8000 端口映射到您主机上的 8000 端口。
-
在浏览器中访问
http://localhost:8000,您应该能够看到 hub 的用户界面。
从源代码安装
-
克隆 GitHub 仓库到您的机器上:
git clone https://github.com/merliot/hub.git -
切换到克隆的目录:
cd hub -
运行以下命令来编译并启动 hub:
go run ./cmd -
在浏览器中访问
http://localhost:8000,您应该能够看到 hub 的用户界面。
完成以上步骤后,您就成功安装了 hub,并且可以开始探索它的功能了。
登录后查看全文
热门项目推荐
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
项目优选
收起
deepin linux kernel
C
24
9
暂无简介
Dart
666
153
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++
659
300
Ascend Extension for PyTorch
Python
216
235
React Native鸿蒙化仓库
JavaScript
255
320
仓颉编译器源码及 cjdb 调试工具。
C++
133
866
仓颉编程语言运行时与标准库。
Cangjie
141
876
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
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.19 K
650
仓颉编程语言开发者文档。
59
819