setup-clojure 项目使用教程
1. 项目介绍
setup-clojure 是一个 GitHub Action,用于在 GitHub Actions 中设置 Clojure 工具环境。该项目支持三大主要工具:Clojure CLI、Leiningen 和 Boot-clj,适用于 MacOS、Ubuntu 和 Windows 系统。通过这个 Action,开发者可以轻松地在 CI/CD 流程中集成 Clojure 工具,自动化构建和测试过程。
2. 项目快速启动
2.1 安装依赖
在开始使用 setup-clojure 之前,确保你的系统已经安装了以下依赖:
- bash
- curl
- rlwrap
- Java
2.2 配置 GitHub Actions 工作流
在你的 GitHub 仓库中,创建或编辑 .github/workflows/clojure.yml 文件,添加以下内容:
name: Clojure CI
on: [push, pull_request]
jobs:
build:
runs-on: ubuntu-latest
steps:
- name: Checkout code
uses: actions/checkout@v3
- name: Set up Java
uses: actions/setup-java@v3
with:
distribution: 'zulu'
java-version: '8'
- name: Set up Clojure tools
uses: DeLaGuardo/setup-clojure@v12.5
with:
cli: 'latest'
lein: 'latest'
boot: 'latest'
- name: Cache Clojure dependencies
uses: actions/cache@v3
with:
path: |
~/.m2/repository
~/.gitlibs
~/deps.clj
key: cljdeps-${{ hashFiles('deps.edn') }}
- name: Run Clojure tests
run: clojure -X:test
2.3 触发工作流
提交并推送你的更改,GitHub Actions 将自动触发并执行上述工作流。你可以在 GitHub 仓库的 Actions 标签页中查看工作流的执行情况。
3. 应用案例和最佳实践
3.1 自动化测试
在 CI/CD 流程中集成 Clojure 工具,可以自动化执行测试,确保每次代码提交的质量。通过 setup-clojure,你可以轻松配置 Clojure CLI、Leiningen 或 Boot-clj 来运行测试。
3.2 依赖缓存
使用 actions/cache 可以缓存 Clojure 项目的依赖,减少每次构建的时间。在上述工作流中,我们缓存了 Maven 仓库、Git 库和 deps.clj 文件,从而加快了构建速度。
3.3 多平台支持
setup-clojure 支持 MacOS、Ubuntu 和 Windows 系统,确保你的 Clojure 项目在不同平台上都能顺利构建和测试。
4. 典型生态项目
4.1 Clojure CLI
Clojure CLI 是 Clojure 官方推荐的工具,用于管理项目依赖和执行任务。通过 setup-clojure,你可以轻松在 GitHub Actions 中集成 Clojure CLI。
4.2 Leiningen
Leiningen 是 Clojure 社区广泛使用的构建工具,提供了丰富的插件和功能。setup-clojure 支持 Leiningen,帮助你在 CI/CD 流程中自动化构建和部署。
4.3 Boot-clj
Boot-clj 是另一个流行的 Clojure 构建工具,提供了灵活的任务定义和执行方式。通过 setup-clojure,你可以在 GitHub Actions 中轻松集成 Boot-clj。
通过以上步骤,你可以快速上手并使用 setup-clojure 项目,自动化你的 Clojure 项目构建和测试流程。
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-1.5暂无简介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-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