np 项目技术文档
本文档旨在帮助用户了解和使用 np 项目,一个用于在 Simple Build Tool (sbt) 中快速创建新项目的简单工具。
1. 安装指南
sbt 0.12 或更低版本
全局安装
如果已经创建了 ~/.sbt 目录,在 ~/.sbt/plugins/build.sbt 文件中添加以下内容:
addSbtPlugin("me.lessis" % "np" % "0.2.0")
resolvers += Resolver.url("sbt-plugin-releases",
url("http://scalasbt.artifactoryonline.com/scalasbt/sbt-plugin-releases/"))(
Resolver.ivyStylePatterns)
或者,如果您更愿意,可以通过 git 仓库依赖项目。
import sbt._
object Plugins extends Build {
lazy val root = Project("root", file(".")) dependsOn(
uri("git://github.com/softprops/np.git#0.2.0")
)
}
确保明确地将 np 的设置混合到您的构建定义中。
seq(npSettings: _*)
在全局 .sbt 文件下(如 ~/.sbt/np.sbt)这样做将使 np 的设置对所有 sbt 项目可用。
局部安装
如果有一个 ~/project 目录,在 ~/project/build.sbt 文件中添加以下内容:
addSbtPlugin("me.lessis" % "np" % "0.2.0")
resolvers += Resolver.url("sbt-plugin-releases",
url("http://scalasbt.artifactoryonline.com/scalasbt/sbt-plugin-releases/"))(
Resolver.ivyStylePatterns)
sbt 0.13 及以上版本
如果没有,创建一个 ~/.sbt/0.13/plugins 目录。在其中,创建一个名为 np.sbt 的文件(文件名无关紧要),包含以下内容:
addSbtPlugin("me.lessis" % "np" % "0.2.0")
这将使 npSettings 在项目定义中全局可见。
如果您希望全局混合 npSettings,在 ~/.sbt/0.13 下创建一个名为 np.sbt 的文件,包含以下内容:
seq(npSettings: _*)
定制化
如果您有很多项目使用相同的 ivy 组织 ID(您自己的)或者总是以相同的版本约定开始项目(SNAPSHOT),您可能想要定义自己的全局覆盖。
在 sbt 0.12 中的 ~/.sbt/np.sbt 文件或在 sbt 0.13 中的 ~/.sbt/0.13/np.sbt 文件中添加以下内容:
seq(npSettings:_*)
(NpKeys.defaults in (Compile, NpKeys.np)) ~= {
_.copy(org="me.lessis", version="0.1.0-SNAPSHOT")
}
查看下文的 np 选项参考部分,了解所有可用选项。
2. 项目的使用说明
在 sbt 中使用以下命令来创建新项目:
sbt
np name:np
如果您已经有了一个项目并且想要创建一个子项目,也可以:
sbt
np name:my-sub-project dir:sub-project-dir
这将在相对于项目基本目录的 sub-project-dir 目录下创建一个新的 sbt 项目源树。在主构建配置中,您可以将其作为存根使用,并引用为:
lazy val sub = Project("my-sub-project", file("sub-project-dir"))
或者删除生成的存根 build.sbt,只使用生成的源树。
3. 项目API使用文档
np 命令生成 sbt 项目,给定 key:value 选项。以下是当前选项的列表:
org:项目组织。默认为 sbt 内置默认值。name:项目名称。默认为 sbt 内置默认值。version:项目版本。默认为 sbt 内置默认值。plugin:布尔指标,指示项目是否为插件项目。默认为 false。dir:np 应生成项目的目录路径。默认为 '.'。
4. 项目安装方式
请参考上文中的安装指南进行项目安装。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00