Beefcake:Ruby 的 Google Protocol Buffers 库技术文档
1. 安装指南
Beefcake 是一个纯 Ruby 实现的 Google Protocol Buffers 库,专为 Ruby 开发者设计,提供了简洁且符合 Ruby 风格的 API。以下是安装 Beefcake 的步骤:
1.1 使用 RubyGems 安装
通过 RubyGems 可以轻松安装 Beefcake。在终端中执行以下命令:
gem install beefcake
安装完成后,您可以在 Ruby 项目中通过 require 'beefcake' 来引入 Beefcake 库。
2. 项目的使用说明
Beefcake 提供了简单易用的 API,帮助您在 Ruby 项目中处理 Protocol Buffers 消息。以下是如何定义和使用 Protocol Buffers 消息的示例。
2.1 定义消息
首先,您需要定义一个消息类,并指定字段的类型和标签。以下是一个示例:
require 'beefcake'
class Variety
include Beefcake::Message
# 必填字段
required :x, :int32, 1
required :y, :int32, 2
# 可选字段
optional :tag, :string, 3
# 重复字段
repeated :ary, :fixed64, 4
repeated :pary, :fixed64, 5, :packed => true
# 枚举字段
module Foonum
A = 1
B = 2
end
# 默认值字段
optional :foo, Foonum, 6, :default => Foonum::B
end
2.2 创建消息实例
您可以通过哈希参数或逐个设置字段来创建消息实例:
# 使用哈希参数创建实例
x = Variety.new(:x => 1, :y => 2)
# 逐个设置字段
x = Variety.new
x.x = 1
x.y = 2
# 使用 Hash 语法访问字段
x[:x] # => 1
x[:y] = 4
x # => <Variety x: 1, y: 4>
3. 项目 API 使用文档
Beefcake 提供了编码和解码消息的 API,以下是详细的使用说明。
3.1 编码消息
任何响应 << 操作的对象都可以接受编码。以下是如何将消息编码为字符串的示例:
x = Variety.new(:x => 1, :y => 2)
# 编码到字符串
s = ""
x.encode(s)
s # => "\b\x01\x10\x02)\0"
# 编码到 Beefcake::Buffer
buffer = x.encode
buffer.to_s # => "\b\x01\x10\x02)\0"
3.2 解码消息
您可以从 Beefcake::Buffer 或字符串中解码消息:
encoded = x.encode
# 从 Beefcake::Buffer 解码
Variety.decode(encoded) # => <Variety x: 1, y: 2, pary: [], foo: B(2)>
# 从字符串解码
Variety.decode(encoded.to_s) # => <Variety x: 1, y: 2, pary: [], foo: B(2)>
# 更新现有消息实例
new_data = Variety.new(x: 12345, y: 2).encode
Variety.decoded(new_data, x)
x # => <Variety x: 12345, y: 2, pary: [], foo: B(2)>
3.3 从 .proto 文件生成代码
您可以使用 protoc 工具从 .proto 文件生成 Ruby 代码:
protoc --beefcake_out output/path -I path/to/proto/files/dir path/to/file.proto
您还可以通过设置 BEEFCAKE_NAMESPACE 环境变量来指定生成的类所在的命名空间。
4. 项目安装方式
Beefcake 可以通过 RubyGems 安装,具体步骤如下:
4.1 使用 RubyGems 安装
在终端中执行以下命令:
gem install beefcake
安装完成后,您可以在 Ruby 项目中通过 require 'beefcake' 来引入 Beefcake 库。
4.2 从源码安装
如果您希望从源码安装 Beefcake,可以克隆 GitHub 仓库并手动安装:
git clone https://github.com/protobuf-ruby/beefcake.git
cd beefcake
rake install
总结
Beefcake 是一个专为 Ruby 开发者设计的 Google Protocol Buffers 库,提供了简洁且符合 Ruby 风格的 API。通过本文档,您可以轻松安装 Beefcake,并了解如何使用其 API 进行消息的编码、解码以及从 .proto 文件生成代码。希望本文档能帮助您更好地理解和使用 Beefcake。
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