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。
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
atomcodeAn open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust016
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00