Mantis Source Integration 使用与安装指南
1. 安装指南
兼容性
Source Integration 插件遵循 语义版本控制。主版本的递增表示所需的最小 MantisBT 版本的改变。
根据您使用的 MantisBT 版本,请确保获取适当的源代码版本。使用 发布标签 或插件 GitHub 仓库的相关分支。
安装步骤
-
将主 Source 插件(
Source/目录)复制到您的 Mantis 安装目录下的plugins/目录中。 -
将所有剩余的插件,或仅适用于您的仓库的插件,复制到您的 Mantis 安装目录下的
plugins/目录中。 -
以管理员身份登录到您的 Mantis 安装,然后导航到 '管理' -> "管理插件"。
-
在 "可用插件" 列表中,您将找到 "Source Control Integration" 和其他插件:
a. 首先,点击 "Source Control Integration" 插件旁边的 "安装" 链接。
b. 接着,点击任何其他适用于您仓库的 Source Control 插件旁边的 "安装" 链接。
-
点击 "Source Control Integration" 插件进行配置。
注意:为了通过 shell 导入更改集,必须设置一个 API 密钥。要生成一个随机密钥,运行
```bash openssl rand -hex 12 ``` -
转到 "仓库" 并输入您的仓库名称,选择仓库类型,然后点击 "创建仓库" 开始添加您的第一个仓库。
-
根据 relevant 插件扩展的特定文档配置仓库:
-
配置完成后,点击 "返回仓库" 链接,然后点击 "导入全部" 或 "导入最新数据" 按钮以执行仓库更改集的初始导入并验证配置。
-
确定您的仓库配置正确无误且运行正常后,您可以通过在托管您的 Mantis 安装的 Web 服务器上配置一个 cron 作业来自动导入新的更改集:
-
使用 curl 导入(对于大型仓库可能会遇到超时,或者阻塞您的 Web 服务器)
curl "http://host.domain.tld/mantisbt/plugin.php?page=Source/import&id=all&api_key=<YOUR_API_KEY>" -
使用 shell 导入
php-cgi -f plugin.php page=Source/import id=all api_key=<YOUR_API_KEY>请注意
php-cgi和php-cli之间的 区别。使用php-cli将不会运行导入。
这将为所有配置的仓库导入新的更改集。
-
-
您还可以配置基于事件的导入方式,许多源控制系统支持可配置的钩子或触发器,可以用来通知 Source 插件有新的提交或修订可用于导入。这样可以提高用户体验,消除了源代码提交与 MantisBT 状态更新之间的延迟。
请参阅 relevant 插件扩展的配置文档了解更多信息。
-
按需要添加其他仓库。
2. 项目使用说明
请参考以上安装指南来配置和使用 Mantis Source Integration 插件。确保按照相关文档正确配置每个仓库,以便插件能够正常工作。
3. 项目API使用文档
目前没有公开详细的 API 文档,但插件的 API 基于类的结构,允许访问数据库中的对象。
4. 项目安装方式
请按照上述安装指南中详细描述的步骤进行安装。确保遵循兼容性指导,并正确配置您的 MantisBT 版本和所需插件。
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
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
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 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
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