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。
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