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。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00