Whitehall 项目技术文档
1. 安装指南
Whitehall 是一个基于 Ruby on Rails 的应用程序,用于创建和管理内容。为了确保顺利运行 Whitehall,建议使用 GOV.UK Docker 环境来管理依赖和运行命令。
1.1 安装 GOV.UK Docker
首先,您需要安装 GOV.UK Docker 环境。请按照以下步骤操作:
- 克隆 GOV.UK Docker 仓库到本地:
git clone https://github.com/alphagov/govuk-docker.git - 进入克隆的目录:
cd govuk-docker - 启动 Docker 容器:
docker-compose up
1.2 安装 Whitehall
在 GOV.UK Docker 环境启动后,您可以通过以下步骤安装 Whitehall:
- 克隆 Whitehall 仓库到本地:
git clone https://github.com/alphagov/whitehall.git - 进入 Whitehall 目录:
cd whitehall - 安装依赖:
bundle install
2. 项目的使用说明
Whitehall 主要用于创建和管理内容。以下是基本的使用步骤:
2.1 启动应用程序
在 GOV.UK Docker 环境中,您可以通过以下命令启动 Whitehall:
govuk-docker-run bundle exec rails server
2.2 创建内容
通过浏览器访问 Whitehall 的管理界面(例如:http://whitehall-admin.dev.gov.uk/government/admin/news/new),您可以创建和管理内容。
2.3 使用 Govspeak
Whitehall 使用 Govspeak 作为主要的发布格式。Govspeak 是一种基于 Markdown 的变体,用于简化内容的编写和格式化。
3. 项目 API 使用文档
Whitehall 提供了丰富的 API 接口,用于与其他系统进行集成。以下是 API 的基本使用方法:
3.1 获取内容列表
您可以通过以下 API 接口获取内容列表:
GET /government/admin/news
3.2 创建新内容
通过以下 API 接口可以创建新内容:
POST /government/admin/news/new
3.3 更新内容
通过以下 API 接口可以更新现有内容:
PUT /government/admin/news/{id}
4. 项目安装方式
Whitehall 的安装方式主要依赖于 GOV.UK Docker 环境。以下是详细的安装步骤:
4.1 安装依赖
在 GOV.UK Docker 环境中,您需要安装 Whitehall 的依赖:
govuk-docker-run bundle install
4.2 运行测试
您可以通过以下命令运行 Whitehall 的测试套件:
govuk-docker-run bundle exec rake
4.3 运行 JavaScript 测试
如果您需要单独运行 JavaScript 测试,可以使用以下命令:
govuk-docker-run bundle exec rake jasmine
结论
通过本文档,您应该能够顺利安装、使用和集成 Whitehall 项目。如果您在安装或使用过程中遇到任何问题,请参考 Whitehall 的官方文档或联系技术支持团队。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0113- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
SenseNova-U1-8B-MoT-SFTenseNova U1 是一系列全新的原生多模态模型,它在单一架构内实现了多模态理解、推理与生成的统一。 这标志着多模态AI领域的根本性范式转变:从模态集成迈向真正的模态统一。SenseNova U1模型不再依赖适配器进行模态间转换,而是以原生方式在语言和视觉之间进行思考与行动。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00