sketch 的安装和配置教程
1. 项目基础介绍及主要编程语言
sketch 是一个基于代理的编码工具,能够运行在终端中,并拥有一个网页用户界面。它能够理解你的代码,并帮助你完成工作。sketch 通过在 Docker 容器中运行来保持你的环境整洁,并将它的工作输出到主机 git 仓库的分支上。sketch 支持大多数编程环境,但对 Go 语言有额外的支持。本项目主要使用 Go 和 TypeScript 编程语言。
2. 项目使用的关键技术和框架
- Docker: 用于创建容器,以隔离和封装应用运行环境。
- Go 语言: 编写 sktech 的主要后端语言,用于实现核心逻辑和与操作系统的交互。
- TypeScript: 用于前端开发,实现与用户交互的网页界面。
- LLM (Large Language Model): 用于理解和生成代码,提供智能编码支持。
- SSH 和 VSCode: 用于与 Docker 容器内的应用进行交互和开发。
3. 项目安装和配置的准备工作及详细安装步骤
准备工作
- 确保你的操作系统是 macOS 或 Linux。
- 安装 Docker。macOS 用户可以使用 Colima 或 Docker Desktop,Linux 用户可以使用相应的包管理器安装 docker.io。
- 对于 Windows 用户,需要安装 Docker Desktop,并确保 Docker 在 WSL2 环境内运行。
- 准备一个 Git 仓库,因为 sketch 会将其工作推送到仓库的特定分支。
安装步骤
-
安装 sketch
在终端中运行以下命令来安装 sketch:
go install sketch.dev/cmd/sketch@latest -
启动 sketch
在你的 Git 仓库目录下,运行以下命令来启动 sketch:
sketch这将打开浏览器到 sketch 的聊天界面。如果你希望只使用 CLI 界面,可以运行:
sketch -open=false -
与 sketch 交互
在浏览器界面中,你可以询问 sketch 关于你的代码库,或者请求它实现一个新功能。sketch 将开始工作,你可以点击界面上的 🔔 图标来启用浏览器通知,当 sketch 完成其工作时,你会收到通知。
-
查看和合并变更
sketch 会在你的 git 仓库中创建一个以
sketch/开头的分支,并将所有变更推送到这个分支。你可以使用以下命令来查看这些变更:git branch -a --sort=creatordate | grep sketch/ | tail当你满意 sketch 的变更后,可以使用标准的 git 工作流程将这些变更合并到你的主分支中:
git merge sketch/foo或者,如果你想先手动检查变更,可以使用
git cherry-pick或git reset --hard。 -
使用 SSH 或 VSCode 连接到容器
如果需要直接与容器交互,可以在 UI 中找到 SSH 命令或 VSCode 的魔法链接。使用 SSH,你可以将容器的端口映射到你的本地机器,比如:
ssh -L8000:localhost:8888 sketch-ilik-epor-tfor-ward go run ./cmd/server这样,你就可以通过
http://localhost:8000/访问容器内的服务。
以上是 sketch 的详细安装和配置指南。按照这些步骤,即使是编程新手也应该能够成功安装和配置 sketch。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00