Suborbital E2 Core 开源项目教程
1. 项目介绍
Suborbital E2 Core 是一个服务器和 SDK,旨在允许开发者将第三方插件添加到任何应用程序中。E2 Core 使用 WebAssembly 技术,确保插件在安全沙箱环境中运行,防止潜在的恶意代码。它支持多种编程语言,如 JavaScript、TypeScript、Go 和 Rust,并且可以运行在私有基础设施中。E2 Core 是一个静态编译的二进制文件,支持 x86 和 ARM 架构,可以作为服务器运行,并通过简单的 HTTP RPC 或流接口执行插件。
2. 项目快速启动
2.1 安装 E2 Core
首先,克隆项目仓库:
git clone https://github.com/suborbital/e2core.git
cd e2core
2.2 运行 E2 Core
使用以下命令安装并启动 E2 Core:
make e2core/install
e2core start /example-project/modules
2.3 执行插件
通过 HTTP POST 请求执行插件:
curl -d 'world' localhost:8080/name/com/suborbital/app/default/helloworld-rs
3. 应用案例和最佳实践
3.1 在 ETL/ELT 管道中运行自定义逻辑
E2 Core 可以用于在 ETL(Extract, Transform, Load)或 ELT(Extract, Load, Transform)管道中运行自定义逻辑,通过插件实现数据转换和处理。
3.2 添加插件到流平台
E2 Core 可以与流平台如 NATS 或 Kafka/Redpanda 集成,允许用户编写自定义插件来处理流数据。
3.3 允许用户编写自己的 Webhooks
通过 E2 Core,用户可以编写自定义的 Webhooks,实现灵活的自动化任务。
3.4 第三方开发者渲染自定义 UI 元素
E2 Core 支持第三方开发者编写插件来渲染自定义的 UI 元素,扩展应用程序的功能。
4. 典型生态项目
4.1 Subo CLI
Subo CLI 是 E2 Core 的配套工具,用于本地插件开发和命令行服务器管理。通过 Subo CLI,开发者可以更方便地管理和测试插件。
4.2 WebAssembly
E2 Core 使用 WebAssembly 技术来确保插件在安全沙箱环境中运行,防止潜在的恶意代码。WebAssembly 是一种高效、安全的运行时环境,适用于各种编程语言。
4.3 NATS 和 Kafka/Redpanda
E2 Core 可以与流平台如 NATS 和 Kafka/Redpanda 集成,实现流数据的处理和插件的执行。
通过以上模块的介绍,您可以快速了解并开始使用 Suborbital E2 Core 开源项目。
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