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。
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
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