Devilbox 项目使用教程
1. 项目介绍
Devilbox 是一个现代化的 Docker LAMP 和 MEAN 栈,专为本地开发设计。它支持在所有主要平台上运行,并且高度可定制。Devilbox 的主要目标是提供一个可重复的开发环境,能够在不同的版本之间轻松切换和组合。它支持无限数量的项目,自动创建虚拟主机、SSL 证书和 DNS 记录。此外,Devilbox 还提供了电子邮件拦截和流行的开发工具,无需配置即可使用。
2. 项目快速启动
2.1 系统要求
Devilbox 仅需要 Docker 和 Docker Compose 即可运行:
- Docker Engine 17.06.0+
- Docker Compose 1.16.0+
2.2 安装和运行
2.2.1 Linux 和 MacOS
-
下载 Devilbox:
git clone https://github.com/cytopia/devilbox -
进入 Devilbox 目录:
cd devilbox -
复制默认环境文件:
cp env-example .env -
启动 Devilbox(以 Apache、PHP 和 MySQL 为例):
docker-compose up httpd php mysql -
访问
http://localhost查看 Devilbox 的运行情况。
2.2.2 Windows
-
使用 Git for Windows 克隆 Devilbox 到
C:\devilbox:git clone https://github.com/cytopia/devilbox C:\devilbox -
复制默认环境文件:
copy C:\devilbox\env-example C:\devilbox\.env -
启动 Devilbox(以 Apache、PHP 和 MySQL 为例):
docker-compose up httpd php mysql -
访问
http://localhost查看 Devilbox 的运行情况。
3. 应用案例和最佳实践
3.1 创建第一个项目
-
启动 Devilbox 容器:
docker-compose up httpd php mysql -
进入工作容器:
./shell.sh -
导航到项目目录并创建项目:
cd /shared/httpd mkdir my-project cd my-project mkdir htdocs echo '<?php echo "Hello, Devilbox!";' > htdocs/index.php -
访问
http://my-project.loc查看项目运行情况。
3.2 使用框架
Devilbox 支持多种 PHP 框架,如 Laravel、Symfony、WordPress 等。以下是使用 Laravel 的示例:
-
进入工作容器:
./shell.sh -
安装 Laravel 安装器:
composer global require laravel/installer -
创建新的 Laravel 项目:
laravel new my-laravel-app -
访问
http://my-laravel-app.loc查看 Laravel 项目运行情况。
4. 典型生态项目
4.1 数据库管理工具
Devilbox 内置了多种数据库管理工具,如 Adminer、phpMyAdmin、phpPgAdmin 等,方便开发者管理数据库。
4.2 开发工具
Devilbox 提供了丰富的开发工具,如 Composer、Node.js、npm、PHPUnit 等,帮助开发者提高开发效率。
4.3 安全工具
Devilbox 支持 Xdebug 和 Blackfire 等性能分析工具,帮助开发者优化代码性能。
通过以上步骤,您可以快速上手 Devilbox,并在本地开发环境中轻松创建和管理项目。
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