rbenv-bundler 技术文档
1. 安装指南
1.1 安装 rbenv
在安装 rbenv-bundler 插件之前,您需要先安装 rbenv。请确保您已经按照 rbenv 的文档正确安装并配置了 rbenv,并且您的 Bash 环境已经正确设置。
1.2 安装 rbenv-bundler 插件
您可以通过以下两种方式安装 rbenv-bundler 插件:
方式一:通过 Git 克隆
$ git clone -- https://github.com/carsomyr/rbenv-bundler.git \
~/.rbenv/plugins/bundler
方式二:通过 Homebrew 安装
$ brew install rbenv-bundler
1.3 确保 Bundler 已安装
在安装插件后,请确保系统中有一个 1.8.7 及以上版本的 Ruby,并且已经安装了 Bundler gem。您可以通过以下命令检查:
$ ruby -r bundler -e "puts RUBY_VERSION"
如果输出类似于 2.1.4,则表示 Bundler 已正确安装。
2. 项目的使用说明
2.1 启用插件
rbenv-bundler 插件是选择性启用的。如果您希望启用它,请运行以下命令:
$ rbenv bundler on
如果您想禁用插件,可以运行:
$ rbenv bundler off
2.2 在项目中使用
在 Bundler 控制的项目目录中,您需要执行以下步骤:
-
设置项目使用的 Ruby 版本:
$ rbenv local 2.1.4 -
安装与 Ruby 版本对应的 Bundler gem:
$ gem install bundler -
如果项目已经有
Gemfile,请运行以下命令安装依赖:$ bundle install -
插件会在
bundle install或bundle update后自动执行rbenv rehash,因此您无需手动执行。 -
您可以使用
rbenv which命令查看 Bundler 安装的 gem 可执行文件的位置:$ rbenv which rake输出应类似于
${RBENV_ROOT}/versions/2.1.4/lib/ruby/gems/2.1.0/gems/rake-10.3.2/bin/rake。 -
现在,您可以直接运行
rake命令,而无需输入bundle exec rake:$ rake
3. 项目 API 使用文档
3.1 rbenv bundler on
启用 rbenv-bundler 插件。启用后,插件会自动处理 Bundler 安装的 gem 可执行文件路径。
3.2 rbenv bundler off
禁用 rbenv-bundler 插件。禁用后,插件将不再处理 Bundler 安装的 gem 可执行文件路径。
3.3 rbenv rehash
在安装新的 Ruby 版本或 gem 后,您需要运行 rbenv rehash 来更新 shims。在 rbenv-bundler 插件中,rehash 会在 bundle install 或 bundle update 后自动执行。
3.4 rbenv which <command>
查看指定命令的路径。如果该命令是通过 Bundler 安装的 gem 可执行文件,rbenv which 将返回 Bundler 安装的路径。
4. 项目安装方式
4.1 通过 Git 克隆安装
您可以通过 Git 克隆的方式将 rbenv-bundler 插件安装到 ~/.rbenv/plugins/bundler 目录:
$ git clone -- https://github.com/carsomyr/rbenv-bundler.git \
~/.rbenv/plugins/bundler
4.2 通过 Homebrew 安装
如果您使用的是 macOS 系统,可以通过 Homebrew 安装 rbenv-bundler 插件:
$ brew install rbenv-bundler
4.3 确保 Bundler 已安装
无论通过哪种方式安装插件,都需要确保系统中有一个 1.8.7 及以上版本的 Ruby,并且已经安装了 Bundler gem。您可以通过以下命令检查:
$ ruby -r bundler -e "puts RUBY_VERSION"
如果输出类似于 2.1.4,则表示 Bundler 已正确安装。
通过本文档,您应该能够顺利安装并使用 rbenv-bundler 插件,简化在 Bundler 控制的项目中的 gem 可执行文件管理。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00