Faraday 技术文档
1. 安装指南
安装 Ruby
Faraday 是一个基于 Ruby 的 HTTP 客户端库,因此首先需要确保你的系统上已经安装了 Ruby。你可以通过以下命令检查 Ruby 是否已安装:
ruby -v
如果未安装,请根据你的操作系统选择合适的安装方法。例如,在 Ubuntu 上可以使用以下命令安装:
sudo apt-get install ruby-full
安装 Faraday
Faraday 可以通过 RubyGems 进行安装。打开终端并运行以下命令:
gem install faraday
安装完成后,你可以通过以下命令验证 Faraday 是否安装成功:
gem list faraday
2. 项目的使用说明
基本使用
Faraday 提供了一个统一的接口来处理 HTTP 请求和响应。以下是一个简单的示例,展示了如何使用 Faraday 发送一个 GET 请求:
require 'faraday'
response = Faraday.get 'http://example.com'
puts response.body
使用中间件
Faraday 支持 Rack 中间件,允许你在请求/响应周期中插入自定义逻辑。例如,你可以使用 Faraday::Response::Logger 中间件来记录请求和响应:
require 'faraday'
require 'faraday/logging/middleware'
conn = Faraday.new do |f|
f.use Faraday::Logging::Middleware
f.adapter Faraday.default_adapter
end
response = conn.get 'http://example.com'
puts response.body
使用不同的适配器
Faraday 支持多种 HTTP 适配器,如 Net::HTTP、Typhoeus、Patron 等。你可以通过配置 adapter 来选择使用哪个适配器:
require 'faraday'
conn = Faraday.new do |f|
f.adapter :typhoeus
end
response = conn.get 'http://example.com'
puts response.body
3. 项目 API 使用文档
创建连接
你可以使用 Faraday.new 创建一个新的连接对象:
conn = Faraday.new(url: 'http://example.com')
发送请求
Faraday 支持多种 HTTP 方法,如 get、post、put、delete 等。以下是一些示例:
response = conn.get '/resource'
response = conn.post '/resource', { data: 'value' }
response = conn.put '/resource/1', { data: 'new_value' }
response = conn.delete '/resource/1'
处理响应
Faraday 的响应对象包含了请求的结果,你可以通过以下方式访问响应的各个部分:
response.status # 获取 HTTP 状态码
response.body # 获取响应体
response.headers # 获取响应头
自定义中间件
你可以通过 use 方法添加自定义中间件:
conn = Faraday.new do |f|
f.use MyCustomMiddleware
f.adapter Faraday.default_adapter
end
4. 项目安装方式
Faraday 可以通过 RubyGems 进行安装,安装命令如下:
gem install faraday
安装完成后,你可以在 Ruby 项目中通过 require 'faraday' 引入 Faraday 库。
总结
Faraday 是一个功能强大的 HTTP 客户端库,提供了丰富的功能和灵活的配置选项。通过本文档,你应该能够顺利安装和使用 Faraday,并了解如何通过中间件和适配器来扩展其功能。
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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-7BSpark-Prover-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
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-7BSpark-Formalizer-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00