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。
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
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