Apache Flagon Distill 技术文档
1. 安装指南
在开始安装 Apache Flagon Distill 项目之前,请确保您的系统已安装以下先决条件:
- Python (版本 >= 3.8)
- Poetry (版本 >= 1.0)
您可以通过以下命令检查 Python 版本:
python --version
如果您的系统中未安装 Python,您可以从 Python 官方网站 下载安装。我们推荐使用 Python 版本管理工具如 pyenv,具体设置方法请参考 pyenv 使用指南。
安装 Poetry 的方法有多种,以下是两种推荐的方式:
官方安装程序:
适用于 Linux、macOS、Windows (WSL)
curl -sSL https://install.python-poetry.org | python3 -
Windows (Powershell)
(Invoke-WebRequest -Uri https://install.python-poetry.org -UseBasicParsing).Content | py -
pipx:
pipx install poetry
以上两种方法可以最小化与系统 Python(全局)安装的依赖冲突风险。一些用户报告说,在使用常规 pip 方法时,Poetry 使用了错误的 Python 环境,而不是项目的本地虚拟环境。如果您遇到问题,请参考官方 Poetry 文档或 GitHub 以获取更深入的安装说明。
安装步骤如下:
-
克隆仓库:
git clone https://github.com/apache/flagon-distill.git -
进入项目目录:
cd flagon-distill -
使用 Poetry 安装项目依赖并创建虚拟环境:
poetry install此命令会读取
pyproject.toml文件并安装所有必需的软件包到专用的虚拟环境中。 -
激活虚拟环境:
poetry shell您现在进入到了项目的虚拟环境,该环境将项目的依赖与系统全局的 Python 包隔离开。
-
运行测试:
您现在可以运行测试以确保安装正确无误。例如:
make test请记住,每次在项目上工作时都需要激活虚拟环境(步骤4)。
更新依赖
要更新项目依赖,您可以使用以下命令:
poetry update
此命令会更新 pyproject.toml 文件以包含包的最新兼容版本。
卸载
要卸载项目及其依赖项,只需退出虚拟环境(如果已激活):
exit
这将退出虚拟环境。之后您可以安全地删除项目目录。
通过遵循这些安装步骤,您可以使用 Poetry 轻松地设置和管理 Python 项目。祝您编码愉快!
2. 项目的使用说明
项目使用说明请参考 readthedocs.org 页面。
3. 项目API使用文档
API 使用文档请参考项目维基页面。
4. 项目安装方式
项目安装方式已在上述“安装指南”部分详细说明。
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