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。
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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-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
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