Educates培训平台:从零开始创建技术工作坊教程
2025-06-19 10:48:07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
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
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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
项目优选
收起
deepin linux kernel
C
24
9
暂无简介
Dart
668
154
Ascend Extension for PyTorch
Python
218
235
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++
660
306
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
React Native鸿蒙化仓库
JavaScript
259
322
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
63
19
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.19 K
652
仓颉编程语言运行时与标准库。
Cangjie
141
876
仓颉编译器源码及 cjdb 调试工具。
C++
133
866