Kong Pongo 使用教程
1. 项目介绍
Kong Pongo 是一个用于在 Kong 上运行插件测试的工具。它通过创建 Docker 容器和网络来隔离环境,并提供 Kong 通常需要的依赖项(如 Cassandra、PostgreSQL 等)。Pongo 使得开发者可以在本地环境中轻松测试 Kong 插件,而无需将插件部署到开发或 staging 服务器上。
2. 项目快速启动
2.1 安装 Pongo
首先,克隆 Pongo 仓库并安装 Pongo:
PATH=$PATH:~/local/bin
git clone https://github.com/Kong/kong-pongo.git
mkdir -p ~/local/bin
ln -s $(realpath kong-pongo/pongo.sh) ~/local/bin/pongo
2.2 配置 Pongo
在插件目录中,创建一个 pongo/pongorc 文件来配置 Pongo。例如,如果你不需要 Cassandra 数据库,可以在 pongorc 文件中添加以下内容:
--no-cassandra
2.3 运行测试
假设当前目录是一个用 Lua 编写的 Kong 插件目录,运行测试的命令如下:
KONG_VERSION=$(VER) ~/local/bin/pongo.sh run --no-cassandra --no-postgres
3. 应用案例和最佳实践
3.1 插件开发与测试
在开发 Kong 插件时,Pongo 提供了一个隔离的环境来运行和测试插件逻辑。开发者可以在本地编写测试代码,并模拟依赖项(如 API 调用和数据库调用),从而在不部署到开发或 staging 服务器的情况下验证插件功能。
3.2 CI/CD 集成
Pongo 可以轻松集成到 CI/CD 设置中。以下是一个基于 GitHub Actions 的示例配置:
name: "Test"
on: [push, pull_request]
jobs:
test:
runs-on: ubuntu-latest
strategy:
fail-fast: false
matrix:
kongVersion: ["2.8.x", "3.5.x", "dev"]
steps:
- uses: actions/checkout@v3
- uses: Kong/kong-pongo-action@v1
with:
pongo_version: master
kong_version: $[[ matrix.kongVersion ]]
- run: pongo run
4. 典型生态项目
4.1 Kong Gateway
Kong Gateway 是一个开源的 API 网关,Pongo 是用于测试 Kong 插件的工具。通过 Pongo,开发者可以在本地环境中模拟生产环境,确保插件在部署到生产环境之前能够正常工作。
4.2 Docker
Pongo 依赖 Docker 和 Docker Compose 来创建隔离的测试环境。开发者需要安装 Docker 和 Docker Compose 才能使用 Pongo。
4.3 LuaRocks
LuaRocks 是 Lua 的包管理器,Pongo 使用 LuaRocks 来管理插件的依赖项。开发者可以通过 LuaRocks 安装和管理插件所需的库。
通过以上步骤,开发者可以快速上手并使用 Kong Pongo 进行插件开发和测试。
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