Educates培训平台:从零开始创建技术工作坊教程
2025-06-19 11:52:28作者:沈韬淼Beryl
工作坊创建概述
Educates培训平台是一个基于Kubernetes的技术培训解决方案,它允许开发者创建和部署交互式技术培训工作坊。本文将详细介绍如何使用Educates命令行工具创建、部署和管理技术工作坊。
准备工作坊环境
在开始创建工作坊前,需要确保已经正确安装并配置了Educates命令行工具。该工具提供了创建新工作坊的模板功能,能够快速搭建工作坊的基本框架。
创建工作坊基础结构
使用以下命令生成一个新工作坊:
educates new-workshop lab-new-workshop
命令说明:
lab-new-workshop是工作坊目录名称- 名称必须符合RFC 1035标签命名规范
- 建议名称以
lab-为前缀 - 名称长度建议不超过25个字符
最佳实践建议:
- 工作坊名称全部使用小写字母
- 避免使用特殊字符,仅使用连字符"-"作为分隔符
- 名称应具有描述性,便于识别工作坊内容
工作坊内容渲染器选择
Educates支持两种内容渲染器:
-
Hugo渲染器(推荐):
- 基于Hugo静态网站生成器
- 仅支持Markdown格式
- 性能更好,功能更丰富
-
Classic渲染器(已弃用):
- 自定义动态Web应用
- 支持Markdown和AsciiDoc
- 未来版本将移除
如需创建使用Classic渲染器的工作坊,可添加--template classic参数:
educates new-workshop lab-new-workshop --template classic
工作坊目录结构解析
生成的工作坊包含以下核心文件和目录:
lab-new-workshop/
├── README.md # 工作坊说明文档
├── workshop/ # 工作坊内容目录
│ ├── content/ # 教学材料目录
│ └── config.yaml # Hugo渲染器配置文件(可选)
├── resources/ # Kubernetes资源配置
│ └── workshop.yaml # 工作坊部署描述文件
└── exercises/ # 练习文件目录(可选)
部署工作坊流程
完整部署工作坊需要以下步骤:
-
发布工作坊内容:
educates publish-workshop该命令将工作坊内容打包为OCI镜像并推送到本地镜像仓库
-
部署工作坊环境:
educates deploy-workshop在Kubernetes集群中创建工作坊环境
-
访问工作坊:
educates browse-workshops打开浏览器访问培训门户
-
查看访问凭证(如需):
educates view-credentials
内容开发与测试
修改教学内容
- 编辑
workshop/content/目录下的Markdown文件 - 发布更新:
educates publish-workshop - 创建新的工作坊会话查看更改
实时开发模式
使用Hugo渲染器时,可启用实时重载功能:
educates serve-workshop --patch-workshop
此模式下:
- 修改内容会自动刷新浏览器
- 无需重复发布工作坊
- 按Ctrl+C退出实时模式
更新工作坊定义
修改resources/workshop.yaml后,执行:
educates update-workshop
练习文件管理
最佳实践:
- 将所有练习文件放入
exercises/目录 - 终端和编辑器默认工作目录将设置为该目录
- 在指导中使用完整路径(如
~/exercises/example-1)
清理工作坊资源
完成开发后,可删除工作坊部署:
educates delete-workshop
总结
Educates培训平台提供了完整的工具链来创建和管理技术培训工作坊。通过本文介绍的工作流程,开发者可以高效地构建交互式技术培训内容,并利用Kubernetes的强大能力提供可扩展的培训环境。无论是简单的技术演示还是复杂的手把手实验,Educates都能提供良好的支持。
登录后查看全文
热门项目推荐
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
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
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
Spark-Prover-X1-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
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
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
312
2.73 K
deepin linux kernel
C
24
7
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
639
244
仓颉编译器源码及 cjdb 调试工具。
C++
124
851
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
470
Ascend Extension for PyTorch
Python
151
178
暂无简介
Dart
605
135
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
236
84
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
364
3.01 K
React Native鸿蒙化仓库
JavaScript
237
310