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。
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