Evidence项目GitHub Pages部署配置优化指南
2025-06-08 19:16:13作者:宣利权Counsellor
在Evidence项目文档中关于GitHub Pages部署的配置示例存在一个常见问题,许多开发者在使用时会遇到构建目录路径错误的情况。本文将详细解释问题的根源以及正确的配置方法。
问题现象
当开发者按照官方文档配置GitHub Actions工作流时,构建步骤会报错提示"directory not found"。具体表现为:
- 在构建步骤中设置了BASE_PATH环境变量
- 在上传制品步骤中指定了包含仓库名称的构建路径
- 但实际上构建产物并未生成在预期的子目录中
问题根源
这个问题源于对Evidence构建系统工作方式的理解偏差。Evidence项目在构建时确实支持通过BASE_PATH环境变量来配置基础路径,但这需要同时在package.json中进行相应的配置才能正常工作。
正确配置方案
方案一:简化配置(推荐)
对于大多数GitHub Pages部署场景,最简单的解决方案是:
- 移除BASE_PATH环境变量设置
- 直接上传整个build目录
- name: build
run: |
npm run sources
npm run build
- name: Upload Artifacts
uses: actions/upload-pages-artifact@v3
with:
path: './build'
方案二:完整basePath配置
如果需要使用basePath功能,必须同时在package.json中进行配置:
- 首先修改package.json中的build脚本:
{
"scripts": {
"build": "evidence build --out=build/$REPO_NAME"
}
}
- 然后在GitHub Actions工作流中:
- name: build
env:
REPO_NAME: ${{ github.event.repository.name }}
# 其他环境变量...
run: |
npm run sources
npm run build
- name: Upload Artifacts
uses: actions/upload-pages-artifact@v3
with:
path: 'build/${{ github.event.repository.name }}'
最佳实践建议
- 对于简单的GitHub Pages部署,推荐使用方案一的简化配置
- 只有在确实需要basePath功能时才使用方案二
- 确保构建脚本和上传路径配置一致
- 在本地开发环境测试构建结果后再提交到CI/CD流程
Evidence作为一个现代化的数据文档工具,其部署配置应当尽可能简洁明了。通过理解构建系统的工作机制,开发者可以避免常见的配置陷阱,实现顺畅的持续部署流程。
登录后查看全文
热门项目推荐
相关项目推荐
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 StartedRust0212
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0137
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
GLM-5.2智谱开源 GLM-5.2,这是针对长文本任务的最新旗舰模型。相较于前代产品 GLM-5.1,它在长文本任务处理能力上实现了显著飞跃,并且首次在稳定的 100 万 token 上下文中提供这一能力。Jinja00
SwanLab⚡️SwanLab - an open-source, modern-design AI training tracking and visualization tool. Supports Cloud / Self-hosted use. Integrated with PyTorch / Transformers / LLaMA Factory / veRL/ Swift / Ultralytics / MMEngine / Keras etc.Python00
tiny-universe《大模型白盒子构建指南》:一个全手搓的Tiny-UniverseJupyter Notebook03
项目优选
收起
deepin linux kernel
C
32
16
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
468
461
暂无描述
Dockerfile
775
5.07 K
Ascend Extension for PyTorch
Python
756
960
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
872
2.01 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
696
1.4 K
昇腾LLM分布式训练框架
Python
183
230
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++
1.1 K
1.14 K
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.03 K
271
Oohos_react_native
React Native鸿蒙化仓库
C++
361
430