Jenkins 与 GitHub 集成插件使用技术文档
本文档旨在帮助用户详细理解和使用 Jenkins 与 GitHub 集成插件,以下是关于插件的安装、使用说明、API 使用文档以及安装方式的详细介绍。
1. 安装指南
在开始之前,请确保您的 Jenkins 系统已正确安装并运行。以下是插件的安装步骤:
- 打开 Jenkins 主页面。
- 进入 "管理Jenkins" 菜单,选择 "管理插件"。
- 在 "可用" 选项卡中搜索 "GitHub Plugin"。
- 选中插件并点击 "安装"。
安装完成后,Jenkins 会自动重启插件。
2. 项目的使用说明
超链接功能
该插件可以将 Jenkins 项目与 GitHub 项目进行关联,创建从 Jenkins "变更" 页面到 GitHub 提交和问题页面的链接。在创建任务时,指定任务连接到 Git。在 "GitHub 项目" 中输入 git@github.com:*Person*/*Project*.git。在 "源代码管理" 中选择 Git,并输入 git@github.com:*Person*/*Project*.git。
GitHub hook 触发器
此功能允许在 GitHub 仓库的 post-receive hooks 触发后启动构建。此触发器仅针对每个传入事件触发 git 插件内部轮询算法。
手动模式
在此模式下,需要手动为每个项目添加 webhook URL。点击 "帮助" 图标(在 "管理 Jenkins" > "系统配置" > "GitHub" 下)查看 Jenkins 接收 post-commit POSTs 的 URL。通常 URL 形式为 $JENKINS_BASE_URL/github-webhook/。
自动模式
在此模式下,Jenkins 会根据项目配置自动添加/移除 webhook URLs。您需要指定 GitHub OAuth 令牌以便 Jenkins 可以登录您的账户进行操作。
- Step 1:进入全局配置,添加 GitHub 服务器配置。
- Step 2.1:在 GitHub 中创建个人访问令牌。
- Step 2.2:选择之前创建的 "Secret Text" 凭据,其中包含 GitHub OAuth 令牌。
- Step 3:在需要自动触发的每个项目的配置中,勾选 "GitHub hook trigger for GITScm polling"。
3. 项目API使用文档
该插件提供了一些 API 用于与 GitHub 交互,以下是几个示例:
设置提交状态
以下代码将设置自定义仓库的提交状态,并配置上下文和信息:
void setBuildStatus(String message, String state) {
step([
$class: "GitHubCommitStatusSetter",
reposSource: [$class: "ManuallyEnteredRepositorySource", url: "https://github.com/my-org/my-repo"],
contextSource: [$class: "ManuallyEnteredCommitContextSource", context: "ci/jenkins/build-status"],
errorHandlers: [[$class: "ChangingBuildStatusErrorHandler", result: "UNSTABLE"]],
statusResultSource: [ $class: "ConditionalStatusResultSource", results: [[$class: "AnyBuildResult", message: message, state: state]] ]
]);
}
setBuildStatus("Build complete", "SUCCESS");
4. 项目安装方式
项目的安装方式已在 "安装指南" 中详细描述。确保按照步骤操作,正确配置 GitHub 服务器和 OAuth 令牌,以便插件可以正常运行。
通过以上内容,用户应该能够顺利安装并使用 Jenkins 与 GitHub 集成插件,实现 Jenkins 和 GitHub 之间的自动化工作流。
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