ShamRack 技术文档
1. 安装指南
安装 ShamRack
ShamRack 是一个 Ruby Gem,可以通过以下命令进行安装:
gem install sham_rack
安装完成后,你可以在 Ruby 项目中使用 require 'sham_rack' 来引入 ShamRack。
2. 项目的使用说明
概述
ShamRack 是一个用于将 HTTP 请求路由到 Rack 应用的工具。它主要用于在开发和测试环境中轻松地模拟外部 HTTP 服务,或者用于测试 HTTP 客户端代码。ShamRack 支持多种 HTTP 客户端库,如 rest-client、httparty 和 oauth,并且可以在不启动服务器的情况下测试 Rack 应用。
基本用法
简单的内联应用
你可以通过 ShamRack 快速创建一个简单的 HTTP 服务:
require 'sham_rack'
ShamRack.at("www.greetings.com") do |env|
["200 OK", { "Content-type" => "text/plain" }, ["Hello, world!"]]
end
require 'open-uri'
open("http://www.greetings.com/").read #=> "Hello, world!"
Sinatra 集成
ShamRack 也支持与 Sinatra 集成:
ShamRack.at("sinatra.xyz").sinatra do
get "/hello/:subject" do
"Hello, #{params[:subject]}"
end
end
open("http://sinatra.xyz/hello/stranger").read #=> "Hello, stranger"
Rackup 支持
ShamRack 还支持通过 rackup 配置中间件和应用:
ShamRack.at("rackup.xyz").rackup do
use Some::Middleware
use Some::Other::Middleware
run MyApp.new
end
任意 Rack 应用
你可以将任意 Rack 应用挂载到 ShamRack:
ShamRack.at("google.com").mount(my_google_stub)
通用 stubbing
ShamRack 还提供了通用的 stubbing 功能:
@stub_app = ShamRack.at("stubbed.com").stub
@stub_app.register_resource("/greeting", "Hello, world!", "text/plain")
open("http://stubbed.com/greeting").read #=> "Hello, world!"
@stub_app.last_request.path #=> "/greeting"
指定端口
你可以指定 ShamRack 监听的端口:
ShamRack.at("example.com", 8080) do |env|
["200 OK", { "Content-type" => "text/plain" }, ["Hello, world!"]]
end
避免真实网络连接
在测试环境中,你可以使用 ShamRack 来阻止真实的网络连接:
ShamRack.prevent_network_connections
测试完成后重置
测试完成后,你可以重置 ShamRack:
ShamRack.reset
open("http://stubbed.com/greeting").read #=> OpenURI::HTTPError
3. 项目 API 使用文档
ShamRack API
ShamRack.at(host, port = nil)
host: 要挂载的域名或 IP 地址。port: 可选参数,指定监听的端口。
返回一个 ShamRack::Application 实例,用于配置和挂载 Rack 应用。
ShamRack.prevent_network_connections
阻止所有真实的网络连接,确保所有请求都由 ShamRack 处理。
ShamRack.reset
重置 ShamRack,移除所有挂载的应用。
ShamRack::Application API
mount(app)
挂载一个 Rack 应用。
sinatra(&block)
挂载一个 Sinatra 应用。
rackup(&block)
通过 rackup 配置中间件和应用。
stub
返回一个通用的 stub 应用。
register_resource(path, body, content_type)
在 stub 应用中注册一个资源。
path: 资源的 URL 路径。body: 资源的响应内容。content_type: 资源的 MIME 类型。
last_request
返回最后一个处理的请求对象。
4. 项目安装方式
ShamRack 的安装非常简单,只需使用 RubyGems 进行安装:
gem install sham_rack
安装完成后,你可以在 Ruby 项目中通过 require 'sham_rack' 引入 ShamRack,并按照上述使用说明进行配置和使用。
通过以上文档,你应该能够顺利安装和使用 ShamRack 项目,并了解其 API 的使用方法。
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