original-coast-clothing 的安装和配置教程
1. 项目基础介绍和主要编程语言
original-coast-clothing 是一个示例性的开源项目,由Facebook提供。该项目是一个虚构的服装品牌——Original Coast Clothing(OC)的Messenger机器人,旨在展示如何利用Messenger平台的关键特性,为用户带来优秀的客户体验。该项目主要使用的编程语言是JavaScript。
2. 项目使用的关键技术和框架
项目使用以下技术和框架:
- Node.js: 服务器端的JavaScript运行环境。
- Express: 基于Node.js的Web应用框架,用于快速构建单页、多页或混合Web应用。
- Heroku: 云服务平台,用于部署应用。
- ngrok: 用于本地开发的HTTP隧道服务,可以使本地服务器通过互联网被访问。
- Facebook Messenger Platform: 用于创建与Facebook Messenger集成的机器人。
3. 项目安装和配置的准备工作及详细步骤
准备工作
在开始安装之前,请确保您的系统中已安装以下工具:
- Node.js(10.x或更高版本)
- Git
- 用于部署的Heroku CLI(可选)
- 本地隧道服务ngrok(可选)
安装步骤
步骤1:克隆项目
首先,您需要在本地克隆项目仓库:
git clone git@github.com:fbsamples/original-coast-clothing.git
cd original-coast-clothing
步骤2:安装依赖
在项目目录中,安装所需的npm依赖:
npm install
或者,如果您使用Yarn:
yarn install
步骤3:配置环境变量
复制.sample.env文件为.env,并根据您的应用程序和Facebook页面信息编辑它:
cp .sample.env .env
编辑.env文件并填写如下信息:
APP_ID=您的Facebook应用ID
APP_SECRET=您的Facebook应用密钥
PAGE_ID=您的Facebook页面ID
APP_URL=您的应用程序URL(如果是ngrok,则为ngrok提供的URL)
VERIFY_TOKEN=您为Webhook验证生成的token
步骤4:运行应用程序
在项目目录中,运行以下命令以启动应用程序:
node app.js
此时,您应该能够在浏览器中通过http://localhost:3000访问应用程序。
步骤5:配置Webhook和Messenger档案
使用.env文件中创建的VERIFY_TOKEN,通过浏览器或cURL调用以下端点以配置Webhook:
http://localhost:3000/profile?mode=all&verify_token=verify-token
步骤6:测试应用程序
通过向您的Facebook页面发送消息来测试应用程序。如果一切配置正确,您应该会在终端看到Webhook被调用的信息,并在Messenger中收到响应。
部署到Heroku(可选)
如果您希望将应用程序部署到Heroku,请按照以下步骤操作:
步骤1:安装Heroku CLI
从Heroku官网下载并安装Heroku CLI。
步骤2:创建Heroku应用
使用Heroku CLI创建一个新的Heroku应用:
heroku apps:create
步骤3:设置环境变量
在Heroku应用仪表板上设置环境变量,或使用以下命令:
heroku config:set PAGE_ID=您的Facebook页面ID
# 其他需要的环境变量
步骤4:部署代码
将代码推送到Heroku:
git push heroku main
步骤5:查看日志
查看应用程序的实时日志输出:
heroku logs --tail
步骤6:配置Webhook和Messenger档案
使用Heroku应用的URL和配置变量中设置的VERIFY_TOKEN来配置Webhook。
步骤7:测试应用程序
向您的Facebook页面发送消息以测试应用程序是否按预期运行。
按照上述步骤,您可以成功安装和配置original-coast-clothing项目,并开始在Facebook Messenger上创建机器人。
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-1.5暂无简介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
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
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