ZITADEL 开源项目安装与使用指南
目录结构及介绍
在克隆 ZITADEL 的仓库之后, 你可以看到以下主要目录:
-
cmd/: 包含了启动和管理 ZITADEL 实例的命令行工具.
- cmd/zitadel/main.go: 主要启动入口点.
-
internal/: 这个目录包含了 ZITADEL 内部组件和业务逻辑相关的代码. 不建议外部开发者修改此部分代码以避免破坏系统稳定性.
-
pkg/: 此目录下的代码主要用于处理应用程序级别的包和功能如数据库操作权限管理等.
-
plugins/: 插件开发所需的代码可以在这里找到.
-
templates/: 包括HTML和相关模板, 主要用于前端页面渲染.
-
.docker/: 包含了用于构建 Docker 镜像的 Dockerfile 和其他相关文件.
-
docs/: 文档和指南存放处.
项目的启动文件介绍
主要的启动文件是位于 cmd/zitadel 下的 main.go. 它负责读取配置文件并初始化所有依赖的服务(例如数据库连接), 然后启动 HTTP 和 gRPC 服务器, 最终使 ZITADEL 能够接受来自客户端的请求.
为了运行 main.go, 首先确保你已经安装好了 Go 环境. 接下来执行以下步骤:
- 切换到包含
main.go的目录。 - 使用下面的命令进行构建并执行应用:
GOOS=linux GOARCH=amd64 go build ./cmd/zitadel/
这将创建一个可执行文件 zitadel, 可以用来启动服务. 在终端中输入下面命令来启动 ZITADEL:
./zitadel serve --config config.yaml
这里的 --config 参数指定了配置文件路径, 更多配置项详情见下文.
项目的配置文件介绍
配置文件 config.yaml 是 Yaml 格式, 存储着各种运行时参数和环境变量设置. 典型的 config.yaml 文件可能包括以下几部分:
基本配置:
listen:
address: ":443"
protocol: "tls"
database:
dialect: "postgres"
connection_string: "host=localhost port=5432 user=myuser dbname=mydb sslmode=disable"
这里我们定义了ZITADEL监听端口地址以及使用的 TLS 加密协议; 数据库连接信息被保存在数据库部分, 我们指明了方言(dialect)是 postgres 并提供了相应的连接字符串.
认证与授权:
auth:
secret_key: "your_secret_key_here"
issuer: "http://localhost:443"
oauth2:
clients:
- id: "client_id"
secret: "client_secret"
认证部分通常存储与会话管理和安全令牌相关的数据, 而OAuth2部分则记录了客户端 ID 和秘密, 对应于第三方服务集成.
日志与监控:
logging:
level: "info"
metrics:
prometheus_listen_address: ":9090"
这些选项控制了日志级别以及 Prometheus 度量指标收集器绑定的地址.
插件与扩展性:
plugins:
enabled: true
directory: "./plugins"
这个部分包含了插件是否启用的信息以及插件的位置信息.
通过阅读和编辑 config.yaml, 用户可以根据实际部署需求来调整各个模块的行为和性能特性. 若要深入了解具体参数意义, 请参考项目官方文档中的详细说明.
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