sbt-github-packages插件使用指南
项目介绍
sbt-github-packages 是一个简洁的Scala编写的sbt插件,旨在帮助开发者方便地将他们的项目发布到GitHub Packages中。该插件支持以Maven风格的出版方式,虽然需要注意的是GitHub Packages仅原生支持Maven风格的发布,尝试使用Ivy风格将会收到警告。此外,它也提供了一些便利功能,便于依赖那些已经发布在GitHub Packages上的艺术品。
项目快速启动
要开始使用sbt-github-packages,你需要首先在你的项目sbt配置文件(通常是project/plugins.sbt)中添加以下依赖:
addSbtPlugin("com.codecommit" % "sbt-github-packages" % "<version>")
这里的<version>应替换为你想使用的特定版本号。之后,为了能够成功发布你的制品,需要在构建配置中指定GitHub的所有者(githubOwner)和仓库名(githubRepository),例如:
githubOwner := "your-github-username"
githubRepository := "your-repository-name"
如果你不设置这些值,你会收到一个警告,提示未定义这些键。默认情况下,此功能是禁用的,允许你选择是否使用更传统的Resolver语法而不必改变默认的发布设置。
应用案例和最佳实践
发布至GitHub Packages
在确保设置了正确的所有者和仓库名称后,你可以通过常规的sbt发布命令来发布你的项目。最佳实践中,考虑根据环境变量来切换发布目标(比如,生产环境发布到Sonatype,而开发或测试阶段则发布到GitHub Packages):
val RELEASE_TO_SONATYPE = sys.env.getOrElse("RELEASE_SONATYPE", "false").toBoolean
publishTo := if (RELEASE_TO_SONATYPE) sonatypePublishTo.value else githubPublishTo.value
这样可以灵活管理发布流程,符合不同的发布场景需求。
确保合规的配置
确保你的项目具有清晰的homepage和scmInfo配置,这将自动被插件设置好,特别是当githubOwner和githubRepository被正确指定时,有利于提升项目的透明度和可追踪性。
典型生态项目
虽然本插件主要是为了服务任何希望利用GitHub Packages作为制品存储的Scala或Java项目,但其应用并不限于特定的“生态项目”。在广泛的Scala和Java社区中,任何遵循Maven式发布的项目都可以从这个插件中受益,特别是在追求自动化部署和依赖管理的现代软件开发流程中。开发者可以通过集成此插件,轻松实现持续集成和持续部署(CI/CD)策略,尤其是对于那些已经在GitHub上托管代码并寻求私有或公开包管理解决方案的团队来说。
通过上述步骤,开发者可以顺利地将他们的项目纳入GitHub的包管理体系中,享受便捷的版本控制和分发服务。记得调整适合你的具体版本和项目细节,使这一过程顺畅且高效。
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