开源项目社区脚本集合:amidaware/community-scripts 指南
1. 项目目录结构及介绍
此开源项目基于GitHub托管,地址是 https://github.com/amidaware/community-scripts,专为TacticalRMM设计,提供了一系列PowerShell、Python和批处理脚本。以下是其主要目录结构与功能简介:
-
/scripts/:官方社区脚本文件夹,所有在此内的脚本将在安装或升级Tactical RMM时自动分发。每个脚本要求在community_scripts.json中有对应有效条目。 -
scripts_wip/:工作进行中的脚本存储区,鼓励提交未经完成的想法或不完整脚本,供进一步开发。 -
scripts_staging/:接近完成状态的工作脚本区域,这些脚本可能即将成为正式的社区脚本。 -
github/workflows:用于自动化流程的GitHub Actions相关配置。 -
community_scripts.json和community_scripts_schema.json:这两个文件至关重要,前者定义了要集成到Tactical RMM中的脚本列表,后者提供了JSON模式验证这些脚本的结构。 -
Dockerfile-python和docker-compose相关文件:支持Python脚本的Docker化开发环境配置。 -
.editorconfig,.gitignore: 代码风格一致性维护和版本控制忽略设置。 -
requirements.txt: Python脚本所需的依赖包列表。 -
runtestsonwindows.ps1,test_json.py: 用于测试脚本的辅助工具,分别用于Windows上的脚本运行测试和JSON验证。
2. 项目启动文件介绍
虽然此项目主要是关于脚本集合,没有传统意义上的单一“启动文件”,但是开发和测试过程中涉及的关键文件包括:
- 对于PowerShell脚本的开发,可利用
dev-powershell任务通过Docker Compose进行。 - Python脚本的开发则涉及多个Docker相关的文件(如
dev-python.yml),通过dev-python等任务执行。
开发者应该查看根目录下的YAML文件和PowerShell脚本来了解如何启动相应的开发环境。
3. 项目的配置文件介绍
community_scripts.json
这是项目的核心配置文件,它定义了将集成到Tactical RMM的脚本列表。每项都需详细说明脚本的相关信息,确保安装和升级过程能够正确识别并添加脚本至管理界面的社区脚本板块。
其他配置
.editorconfig控制代码编辑器的格式设置,帮助保持代码风格一致。.gitignore规定了不应纳入版本控制的文件类型或路径,比如 IDE 缓存、构建产物等。requirements.txt是Python项目中指定必需库的文件,对于有Python脚本的部分至关重要。
综上所述,amidaware/community-scripts项目注重于脚本共享与协作,通过精心组织的目录结构和关键配置文件来简化脚本的贡献、测试与整合流程。开发者应遵循提供的指南和结构来参与脚本的开发和改进。
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