Pocket-ID项目:使用Caddy服务器配置Webfinger服务的完整指南
什么是Webfinger服务
Webfinger是一种基于HTTP的协议,用于发现与特定标识符(如电子邮件地址或URL)相关联的信息。在身份认证系统中,Webfinger协议常被用于OpenID Connect的发现阶段,帮助客户端找到身份提供者的配置端点。
为什么Pocket-ID需要Webfinger支持
Pocket-ID作为一个身份认证解决方案,需要支持Webfinger协议以实现更好的互操作性。通过Webfinger,用户可以使用简单的标识符(如user@example.com)进行认证,系统会自动发现相关的身份提供者端点。
Caddy服务器配置详解
以下是一个完整的Caddy服务器配置示例,用于为Pocket-ID提供Webfinger服务支持:
yourdomain.whatever {
handle /.well-known/webfinger {
# 设置正确的Content-Type头
header Content-Type application/jrd+json
# 启用模板功能,允许使用变量
templates
# 返回JSON格式的Webfinger响应
respond <<JSON
{
"subject": "{query.resource}",
"links": [
{
"rel": "http://openid.net/specs/connect/1.0/issuer",
"href": "https://pocket.yourdomain.whatever"
}
]
}
JSON 200
}
}
配置解析
-
路径处理:配置监听
/.well-known/webfinger路径,这是Webfinger协议的标准端点。 -
内容类型:设置
Content-Type为application/jrd+json,这是Webfinger响应的标准MIME类型。 -
模板功能:启用
templates指令,允许在响应中使用查询参数等变量。 -
响应内容:返回一个JSON格式的Webfinger响应,包含:
subject:标识查询的资源links:包含一个对象数组,指定OpenID Connect发行者的端点
实际应用场景
当用户尝试使用类似user@yourdomain.whatever的标识符登录时,认证流程如下:
- 客户端向
yourdomain.whatever/.well-known/webfinger?resource=user@yourdomain.whatever发起请求 - 服务器返回上述配置的JSON响应
- 客户端从响应中提取身份提供者端点(
https://pocket.yourdomain.whatever) - 客户端继续与身份提供者完成OpenID Connect认证流程
部署建议
-
独立配置:可以将此配置添加到现有的Caddy反向代理中,也可以将其集成到Pocket-ID提供的Caddyfile中。
-
域名替换:务必将所有示例中的
yourdomain.whatever替换为您实际使用的域名。 -
HTTPS支持:Caddy默认自动启用HTTPS,确保您的域名解析正确并可以获取证书。
-
测试验证:部署后可以使用Webfinger客户端工具或简单的curl命令测试服务是否正常工作。
高级配置选项
对于更复杂的部署场景,您还可以考虑:
-
多租户支持:通过模板功能动态生成响应,支持多个不同的身份提供者端点。
-
缓存控制:添加适当的缓存头以提高性能。
-
日志记录:配置详细的访问日志以监控Webfinger请求。
通过以上配置,Pocket-ID用户可以轻松实现符合标准的Webfinger服务,提升系统的互操作性和用户体验。
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