Hummingbird 技术文档
1. 安装指南
环境要求
- Node.js 版本:v0.8.0 或更高
安装步骤
-
克隆项目代码到本地:
git clone git://github.com/mnutt/hummingbird.git cd hummingbird -
使用 npm 安装依赖:
npm install -
下载 MaxMind 的 GeoIP 数据库并解压到项目根目录:
wget http://geolite.maxmind.com/download/geoip/database/GeoLiteCity.dat.gz gunzip GeoLiteCity.dat.gz
2. 项目使用说明
启动分析服务器,运行以下命令:
node server.js
默认情况下,仪表板将运行在端口 8080 上。你可以在 config/config.js 中禁用生产环境中的仪表板。仪表板只是从 public/ 目录中提供 HTML,你可以使用任何 web 服务器来提供服务。
部署
确保仪表板的安全,如果你不希望外部人员访问它。通常这意味着将仪表板放在 nginx 或 apache 的基本认证后面。仪表板的 listen 函数接受第二个参数,即绑定接口;通常你会选择 "127.0.0.1" 仅允许从本地访问,或者 "0.0.0.0" 监听所有接口。然后你应该在不同的端口上运行跟踪像素,使其对外部世界可访问。
设置跟踪
文件 client/hummingbird.js 包含一个小的脚本来触发 Hummingbird 事件。你可以将文件内容直接粘贴到网页正文中,或者将其上传到服务器作为 .js 文件并通过 <script> 标签引用。一旦完成,你可以在页面底部调用:
HummingbirdTracker.track();
不带参数调用时,它将发送一些标准参数,如页面 URL。你还可以传递任意数据:
HummingbirdTracker.track({logged_in: true});
这些数据可以在 Hummingbird 的指标中用于后端过滤事件。
3. 项目 API 使用文档
Hummingbird 通过 Websockets、Flash sockets 或长轮询广播用户活动。客户端的 Hummingbird.WebSocket 对象接收来自服务器的 JSON 对象形式的 Websocket 事件。各个小部件订阅一个指标并注册处理函数,在指标出现时被调用。
4. 项目安装方式
请参考本文档的“安装指南”部分。
Hummingbird 是一款功能强大的站点跟踪和分析存储工具,通过本文档,用户可以快速安装和使用 Hummingbird,深入了解其工作原理和定制方法。
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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