项目技术文档 —— Harvested Ruby Wrapper
2024-12-20 07:49:51作者:平淮齐Percy
1. 安装指南
在开始使用Harvested之前,需要确保您的系统中已经安装了Ruby。然后,通过RubyGems仓库,可以轻松安装Harvested。在命令行中执行以下命令:
gem install harvested
确保在执行安装命令时您有足够的权限,如果在Linux或Mac系统上可能需要使用sudo。
2. 项目使用说明
Harvested是一个用于Ruby的Harvest API的封装库。以下是使用Harvested进行基本操作的说明:
首先,创建一个Harvest客户端实例,需要提供您的Harvest账户的子域名、用户名和密码:
harvest = Harvest.client(subdomain: 'yoursubdomain', username: 'yourusername', password: 'yourpassword')
接下来,可以使用该客户端实例访问不同的资源。例如,列出所有项目:
harvest.projects.all
如果您想针对特定客户端的所有项目,可以传递查询选项:
harvest.projects.all(nil, client: 12345)
这里需要注意的是,第一个参数是一个可选的用户ID字段,如果不包含该字段,必须指定为nil。
3. 项目API使用文档
Harvested提供的API主要是围绕Harvest API构建的。以下是一些基础的使用示例:
创建客户端
client = Harvest::Client.new(name: "Billable Company LTD.")
client = harvest.clients.create(client)
查找客户端
found_client = harvest.clients.find(client.id)
列出所有项目
projects = harvest.projects.all
列出特定客户端的项目
client_projects = harvest.projects.all(nil, client: 12345)
在查询时,可以传递任何符合Harvest API规范的查询属性哈希。
4. 项目安装方式
Harvested的安装方式非常简单,如下:
gem install harvested
确保Ruby环境已经搭建好,并且RubyGems处于最新版本。在一些系统中,您可能需要使用sudo来安装Ruby包。
注意
- Harvested目前冻结了新特性的添加,并且不支持V2 API。更多关于此决定的原因,请查看官方文档。
- Harvested的测试目前支持Ruby 2.0+版本。
通过以上文档,用户应该能够顺利安装并使用Harvested Ruby Wrapper来进行Harvest API的操作。如果遇到任何问题,建议查阅Harvested的官方文档或直接查看其源代码。
登录后查看全文
热门项目推荐
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
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
412
3.17 K
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
664
324
Ascend Extension for PyTorch
Python
227
255
暂无简介
Dart
678
160
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.21 K
660
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
492
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
342
146