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。
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