Interledger Testnet 开发者指南
1. 项目介绍
Interledger Testnet 是一个开源的测试网络,它使用测试货币来帮助开发者和服务实体测试他们的 Interledger 集成。该网络包括一个 Interledger 测试钱包应用、一个电子商务应用,并计划在未来加入银行应用。Testnet 的目的是利用 Rafiki 的功能,展示其在现实世界场景中的优势。
Rafiki 是一个开源包,提供了一组全面的 Interledger API。它旨在由钱包提供商运行,允许他们为用户提供服务 Interledger 功能。
2. 项目快速启动
要快速启动 Interledger Testnet,请按照以下步骤操作:
首先,确保你已经安装了以下依赖:
- Docker
- NVM (Node Version Manager)
- GateHub 沙盒模式账户
然后,执行以下命令来设置环境:
# 安装 Node 20
nvm install lts/iron
nvm use lts/iron
# 安装 pnpm 使用 Corepack
corepack enable
# 或者使用 npm 或 yarn 安装 pnpm
npm install pnpm -g
# 或者
yarn install pnpm -g
# 安装项目依赖
pnpm i
接下来,配置环境变量。你需要复制 .env.example 文件到 .env,并在 .env 文件中设置必要的环境变量:
cp ./docker/dev/.env.example ./docker/dev/.env
编辑 .env 文件,配置如 GateHub 相关的环境变量,以及可选的 Sendgrid API Key 和发送邮箱设置。
最后,启动本地开发环境:
pnpm dev
这将启动后端容器,前端容器将具备热重载功能。你可以通过以下 URL 访问应用:
- Interledger 测试钱包前端:
http://localhost:4003 - Interledger 测试钱包后端:
http://localhost:3003 - Interledger 测试钱包管理界面:
http://localhost:3012 - Interledger 电子商务应用:
http://localhost:4004
3. 应用案例和最佳实践
案例一:创建测试钱包账户
在本地开发环境中,你可以创建一个新的 Interledger 测试钱包账户。系统将向提供的邮箱发送验证邮件。如果你在开发环境中启用了发送邮件功能,你将收到验证邮件;如果没有启用,你可以从 wallet-backend 容器的日志中找到验证链接来完成注册。
最佳实践:启用速率限制
为了提高安全性,可以在钱包中启用速率限制。通过设置环境变量 RATE_LIMIT 为 true 和 RATE_LIMIT_LEVEL 为 LAX|NORMAL|STRICT(默认为 LAX)来实现。
4. 典型生态项目
Interledger 生态系统中有许多项目,以下是一些典型的项目:
- Interledger.js:JavaScript 客户端库,用于与 Interledger 网络交互。
- Rafiki:一个 Interledger 钱包提供商的 Node.js 服务端库。
- Ilp-kit:一个用于创建 Interledger 节点和服务的框架。
通过这些项目,开发者可以构建跨货币的支付应用,拓宽金融服务的覆盖范围。
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