Vagrant-bindfs 技术文档
本文档将详细介绍如何使用 vagrant-bindfs 插件,包括安装指南、使用说明以及 API 使用文档,帮助用户更好地了解和使用该插件。
1. 安装指南
vagrant-bindfs 是作为 Ruby gem 分发的。您可以通过以下命令安装它,就像安装其他 Vagrant 插件一样:
vagrant plugin install vagrant-bindfs
确保在执行此命令之前已经安装了 Vagrant。
2. 项目的使用说明
在您的 Vagrantfile 文件中,使用 config.bindfs.bind_folder 方法来配置在 VM 启动时将要绑定的文件夹。配置格式如下:
config.bindfs.bind_folder "/path/to/source", "/path/to/destination", options
默认情况下,所有文件夹在宿主机和虚拟机之间的文件夹同步后都会被绑定。您可以通过传递特殊的 :after 选项给 bind_folder 方法来选择何时绑定一个文件夹。支持的值有:
:synced_folders(默认):provision,在完成配置后绑定文件夹。
示例
Vagrant.configure("2") do |config|
[...] # 您的 VM 配置
# 基本使用
config.bindfs.bind_folder "source/dir", "mount/point"
# 高级选项
config.bindfs.bind_folder "source/dir", "mount/point",
perms: "u=rw:g=r:o=r", # 设置权限
create_as_user: true
# 完整的 NFS 共享文件夹示例
# 静态 IP 是使用 NFS 共享文件夹所必需的,
# 这仅适用于 Virtualbox 提供商
config.vm.network "private_network", ip: "192.168.50.4"
# 使用 Vagrant 语法声明共享文件夹
config.vm.synced_folder "host/source/dir", "/vagrant-nfs", type: :nfs
# 使用 vagrant-bindfs 重新挂载文件夹
config.bindfs.bind_folder "/vagrant-nfs", "guest/mount/point"
# 在配置后绑定一个文件夹
config.bindfs.bind_folder "/vagrant-after-provision", "another/guest/mount/point", after: :provision
end
请注意,Vagrant 在虚拟机中使用 /vagrant 来自动共享包含 Vagrantfile 的项目目录,特别是用于配置和供应目的。将文件夹绑定到 /vagrant 或其子文件夹可能会暴露出预期之外的行为。
3. 项目 API 使用文档
bind_folder 配置接受您可以传递给 bindfs 的任何选项。vagrant-bindfs 与 bindfs 版本 1.9 到 1.14.7 兼容。支持的选项和默认值可以在 option_definitions.json 中找到,完整文档请阅读 bindfs man 页面。
长参数和短参数都支持。如果同时设置,短参数将优先。长参数可以用下划线(force_user)或短横线(force-user)编写,并且可以是字符串(force-user)或符号(:force_user 或 :'force-user')。
选项参数值可以是任何可以通过 to_s 转换为字符串的内容。插件将尝试检测标志参数值是否为 true 或 false。
vagrant-bindfs 会检测安装的 bindfs 版本,根据需要翻译选项名称,并忽略不支持的操作。如果操作失败,它会警告您。
在 Debian(和 Ubuntu)、SUSE、Fedora、CentOS、Gentoo 和 OS X 客户系统上,如果未安装 bindfs,vagrant-bindfs 会尝试自动安装它。
OS X 客户机可能需要一些特定选项。具体细节请查看 bindfs README。
4. 项目安装方式
请参考上述“安装指南”部分,安装 vagrant-bindfs 的方式是通过 Vagrant 插件安装命令:
vagrant plugin install vagrant-bindfs
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