Apache Guacamole 项目技术文档
1. 安装指南
1.1 环境准备
在开始安装之前,请确保您的系统已经安装了以下软件:
- Java Development Kit (JDK) 8 或更高版本
- Apache Maven 3.x
- 一个支持 Servlet 的容器(如 Apache Tomcat 或 Jetty)
1.2 下载源码
您可以从项目网站下载源码包或预构建的 .war 文件。源码包可以通过以下命令下载:
$ git clone https://github.com/apache/guacamole-client.git
1.3 编译项目
进入项目目录并使用 Maven 进行编译:
$ cd guacamole-client
$ mvn package
编译完成后,生成的 .war 文件将位于 guacamole/target/ 目录下。
1.4 部署 .war 文件
将生成的 .war 文件复制到您的 Servlet 容器的指定目录中。例如,对于 Apache Tomcat,通常是将 .war 文件放置在 webapps 目录下:
$ sudo cp guacamole/target/guacamole-*.war /path/to/tomcat/webapps/guacamole.war
1.5 启动 Servlet 容器
启动您的 Servlet 容器,例如 Tomcat:
$ sudo /path/to/tomcat/bin/startup.sh
2. 项目的使用说明
2.1 访问 Guacamole
在浏览器中输入以下地址以访问 Guacamole 界面:
http://<your-server-ip>:8080/guacamole/
2.2 配置远程桌面
Guacamole 支持多种远程桌面协议,如 VNC、RDP 和 SSH。您需要在 Guacamole 的配置文件中添加相应的连接配置。配置文件通常位于 /etc/guacamole/guacamole.properties。
2.3 使用远程桌面
登录 Guacamole 后,您将看到配置的远程桌面连接。点击连接即可通过浏览器访问远程桌面。
3. 项目 API 使用文档
3.1 API 概述
Guacamole 提供了一套 RESTful API,允许开发者通过 HTTP 请求与 Guacamole 进行交互。API 主要用于管理用户、连接和权限。
3.2 常用 API 示例
- 获取用户列表:
GET /api/session/data/mysql/users - 创建新用户:
POST /api/session/data/mysql/users { "username": "newuser", "password": "password" } - 删除用户:
DELETE /api/session/data/mysql/users/olduser
3.3 API 认证
所有 API 请求都需要通过 HTTP 基本认证进行身份验证。您需要在请求头中包含 Authorization 字段。
4. 项目安装方式
4.1 通过源码安装
如前所述,您可以通过下载源码并使用 Maven 进行编译来安装 Guacamole。
4.2 使用预构建的 .war 文件
您也可以直接从项目网站下载预构建的 .war 文件,并将其部署到 Servlet 容器中。
4.3 使用 Docker 安装
Guacamole 还提供了 Docker 镜像,您可以通过 Docker 快速部署 Guacamole:
$ docker run --name some-guacamole -d -p 8080:8080 guacamole/guacamole
通过以上步骤,您可以顺利安装并使用 Apache Guacamole 项目。如果在使用过程中遇到任何问题,请参考项目的 JIRA 系统进行问题报告。
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-1.5暂无简介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