Codespeed 技术文档
1. 安装指南
Codespeed 是一个用于监控和分析代码性能的 Web 应用程序。在安装 Codespeed 之前,您需要确保您的系统安装了 Python 2.7 或 3.5 以上版本。
安装依赖项和 Codespeed Django 应用:
pip install codespeed
如果您需要版本控制集成,还需要安装以下额外依赖:
- Subversion 需要
python-svn - Mercurial 需要
mercurial包以本地克隆仓库 - git 需要
git包 - 对于 Github,需要
isodate包,但不需要 git:pip install isodate
注意:对于 git 或 mercurial 仓库,第一次访问更改视图时,Codespeed 将尝试克隆仓库,这可能需要很长时间,请耐心等待。
- 下载最新稳定版本的 Codespeed,从 github.com/tobami/codespeed/tags 解压并使用
python setup.py install安装。 - 要开始使用,您可以将
sample_project目录作为 Django 项目的起点,通过编辑sample_project/settings.py进行配置。 - 为了简化操作,您可以使用默认的 sqlite 配置,这将数据保存到名为
data.db的数据库中。 - 通过在根目录输入以下命令创建数据库:
python manage.py migrate
- 创建管理员用户:
python manage.py createsuperuser
- 为了测试目的,您可以启动开发服务器:
python manage.py runserver 8000
安装完成后,您可以通过访问 http://localhost:8000/ 来使用 Codespeed。
注意:在生产环境中,您应该配置一个真实的 Web 服务器,如 Apache 或 nginx(请参阅 Django 文档)。您还应该修改 sample_project/settings.py 并设置 DEBUG = False。
2. 项目的使用说明
要使用 Codespeed,您需要先进行一些配置:
使用提供的测试数据
如果您想测试 Codespeed,可以使用 testdata.json 固件来获得一个可用的数据集。
./manage.py loaddata codespeed/fixtures/testdata.json
从头开始
在您可以保存(并显示)数据之前,您需要先创建一个环境和默认项目。
- 访问
http://localhost:8000/admin/codespeed/environment/创建环境。 - 访问
http://localhost:8000/admin/codespeed/project/创建项目。
在 "Track changes" 字段上打勾,并根据需要配置版本控制的有关字段。
注意:只有在 "Track changes" 字段勾选的项目中关联的执行文件才会在更改和时间线视图中显示。
注意:Git 和 Mercurial 需要在本地克隆仓库。这意味着您的 sample_project/repos 目录需要由服务器所有。在典型的 Apache 安装中,您需要运行以下命令:
sudo chown www-data:www-data sample_project/repos
3. 项目 API 使用文档
要保存数据,您需要通过 POST 请求发送到 http://localhost:8000/result/add/。
您可以使用 tools/save_single_result.py 脚本作为参考。在保存大量数据时,建议使用 JSON API:
http://localhost:8000/result/add/json/
一个示例脚本位于 tools/save_multiple_results.py。
注意:如果提供的执行文件、基准、项目或修订版本不存在,它们将被自动创建,包括实际结果条目。唯一不会自动创建的模型是环境。环境必须始终存在,否则数据将不会被保存(这就是为什么在之前的 "Codespeed 配置" 部分将其描述为必要步骤的原因)。
4. 项目安装方式
请遵循以下步骤以安装 Codespeed:
- 使用
pip安装 Codespeed 及其依赖项。 - 下载并解压 Codespeed 的稳定版本。
- 运行
python setup.py install来安装 Codespeed。 - 配置 Django 项目,使用
sample_project/settings.py文件。 - 创建数据库、管理员用户并启动开发服务器。
完成这些步骤后,您就可以通过浏览器访问 Codespeed 并开始使用了。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0151- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
LongCat-Video-Avatar-1.5最新开源LongCat-Video-Avatar 1.5 版本,这是一款经过升级的开源框架,专注于音频驱动人物视频生成的极致实证优化与生产级就绪能力。该版本在 LongCat-Video 基础模型之上构建,可生成高度稳定的商用级虚拟人视频,支持音频-文本转视频(AT2V)、音频-文本-图像转视频(ATI2V)以及视频续播等原生任务,并能无缝兼容单流与多流音频输入。00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0112