npiperelay 项目教程
1. 项目介绍
npiperelay 是一个允许从 Windows Subsystem for Linux (WSL) 访问 Windows 命名管道的工具。通过 npiperelay,用户可以在 WSL 中使用各种命令行工具与 Windows 命名管道进行交互。例如,用户可以从 WSL 连接到 Docker for Windows、MySQL Server 运行在 Windows 服务中、Hyper-V Linux VM 的串行控制台等。
2. 项目快速启动
2.1 安装 Go
首先,确保你已经安装了 Go 语言环境。你可以通过以下命令安装 Go:
sudo apt-get update
sudo apt-get install golang-go
2.2 下载并构建 npiperelay
接下来,下载并构建 npiperelay 项目:
go get -d github.com/jstarks/npiperelay
GOOS=windows go build -o /mnt/c/Users/<myuser>/go/bin/npiperelay.exe github.com/jstarks/npiperelay
2.3 配置 WSL 路径
将构建好的 npiperelay.exe 添加到 WSL 的路径中。你可以通过以下命令将其添加到 /usr/local/bin:
sudo ln -s /mnt/c/Users/<myuser>/go/bin/npiperelay.exe /usr/local/bin/npiperelay.exe
2.4 安装 socat
为了使用 npiperelay,你还需要安装 socat 工具:
sudo apt-get install socat
3. 应用案例和最佳实践
3.1 从 WSL 连接到 Docker for Windows
假设你已经在 Windows 上运行了 Docker 守护进程,你可以通过以下步骤从 WSL 连接到 Docker:
-
启动 Docker 中继:
sudo docker-relay & -
使用 Docker CLI:
sudo docker info
3.2 从 WSL 连接到 MySQL Server
如果你在 Windows 上运行了 MySQL Server 作为服务,你可以通过以下步骤从 WSL 连接到 MySQL:
-
启动 MySQL 中继:
sudo mysqld-relay & -
使用 MySQL 命令行客户端:
mysql -u root -p
3.3 连接到 Hyper-V Linux VM 的串行控制台
如果你有一个配置在 Hyper-V 中的 Linux VM,你可以通过以下步骤连接到其串行控制台:
-
启用 VM 的串行端口:
powershell.exe Set-VMComPort foo 1 '\\.\pipe\foo_debug_pipe' -
使用
socat连接到串行端口:vmserial-connect foo 1
4. 典型生态项目
4.1 Docker for Windows
npiperelay 可以与 Docker for Windows 结合使用,使得 WSL 中的 Docker 客户端能够通过命名管道与 Windows 上的 Docker 守护进程通信。
4.2 MySQL Server
通过 npiperelay,WSL 用户可以连接到运行在 Windows 上的 MySQL Server,从而在 WSL 中使用 MySQL 命令行工具进行数据库操作。
4.3 Hyper-V
npiperelay 还可以用于连接到 Hyper-V 虚拟机的串行控制台,方便用户在 WSL 中进行调试和监控。
通过以上步骤,你可以快速上手并使用 npiperelay 项目,实现 WSL 与 Windows 命名管道的高效交互。
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