开源项目 `repo-file-sync-action` 使用教程
项目介绍
repo-file-sync-action 是一个 GitHub Action,用于在多个 GitHub 仓库之间同步文件,如工作流 .yml 文件、配置文件或整个目录。通过这个 Action,您可以轻松地在多个仓库之间保持文件的一致性,减少手动复制和粘贴的工作量。
项目快速启动
1. 创建 GitHub 仓库
首先,创建一个包含所有需要同步文件的源仓库。
2. 配置 GitHub Action
在源仓库中创建一个 .github/workflows/sync.yml 文件,内容如下:
name: Sync Files
on:
push:
branches:
- main
workflow_dispatch:
jobs:
sync:
runs-on: ubuntu-latest
steps:
- name: Checkout Repository
uses: actions/checkout@v2
- name: Run GitHub File Sync
uses: BetaHuhn/repo-file-sync-action@v1
with:
GH_PAT: ${{ secrets.GH_PAT }}
3. 配置同步文件
在源仓库中创建一个 .github/sync.yml 文件,指定需要同步的文件和目标仓库:
user/target-repo:
- source: workflows/build.yml
dest: .github/workflows/build.yml
- source: LICENSE
dest: LICENSE
4. 设置 GitHub Personal Access Token
在源仓库的设置中,添加一个名为 GH_PAT 的 Secret,值为您的 GitHub Personal Access Token。
应用案例和最佳实践
1. 同步工作流文件
假设您有多个仓库,每个仓库都需要相同的 GitHub Actions 工作流文件。您可以将这些工作流文件放在一个源仓库中,并使用 repo-file-sync-action 将它们同步到其他仓库。
2. 同步配置文件
如果您有多个项目使用相同的配置文件(如 .gitignore 或 dependabot.yml),您可以将这些配置文件放在一个源仓库中,并使用 repo-file-sync-action 将它们同步到其他仓库。
3. 同步许可证文件
在多个开源项目中使用相同的许可证文件(如 LICENSE),您可以将许可证文件放在一个源仓库中,并使用 repo-file-sync-action 将它们同步到其他仓库。
典型生态项目
1. actions/checkout
actions/checkout 是一个常用的 GitHub Action,用于检出代码库。在 repo-file-sync-action 中,您可以使用 actions/checkout 来检出源仓库的代码。
2. actions/setup-node
actions/setup-node 是一个用于设置 Node.js 环境的 GitHub Action。如果您的工作流文件需要 Node.js 环境,您可以在同步之前使用 actions/setup-node 来设置环境。
3. actions/cache
actions/cache 是一个用于缓存依赖项的 GitHub Action。在同步工作流文件时,您可以使用 actions/cache 来加速构建过程。
通过这些生态项目的结合使用,您可以构建一个高效、自动化的文件同步系统,减少手动操作,提高开发效率。
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