使用rbenv管理Ruby环境
1. 安装指南
使用包管理器
-
Homebrew
在macOS或Linux上,我们推荐使用Homebrew安装rbenv。brew install rbenv -
Debian, Ubuntu及其衍生版本
[!CAUTION]
官方Debian和Ubuntu仓库中维护的rbenv版本是过时的。为了安装最新版本,建议使用通过git安装。sudo apt install rbenv -
Arch Linux及其衍生版本
Archlinux有一个archlinux用户仓库(AUR)包,你可以按照这个wiki页面的说明从AUR安装。 -
Fedora
Fedora有一个官方包,你可以安装:sudo dnf install rbenv -
设置你的shell加载rbenv。
rbenv init -
关闭你的终端窗口并打开一个新的窗口,以便你的更改生效。
基本Git检出
-
克隆rbenv到
~/.rbenv。git clone https://github.com/rbenv/rbenv.git ~/.rbenv -
设置你的shell加载rbenv。
~/.rbenv/bin/rbenv init -
重启你的shell,以便这些更改生效。(通常打开一个新的终端标签即可。)
2. 项目使用说明
rbenv是一个在类Unix系统上管理Ruby版本的工具。它可以让你在同一台机器上切换多个Ruby版本,并确保你工作的每个项目都能在正确的Ruby版本上运行。
安装后,rbenv会注入到你的PATH中。任何对ruby、gem、bundler或其他Ruby相关可执行文件的调用都会首先激活rbenv。然后,rbenv会扫描当前项目目录下是否存在一个名为.ruby-version的文件。如果找到,该文件将确定在该目录中应使用的Ruby版本。最后,rbenv在~/.rbenv/versions/下查找该Ruby版本。
你可以为你的项目选择Ruby版本,例如:
cd myproject
# 选择Ruby版本3.1.2:
rbenv local 3.1.2
这样做会在当前目录中创建或更新一个.ruby-version文件,其中包含你选择的版本。你另一个目录中的不同项目可能会使用不同的Ruby版本——当你切换项目时,rbenv会无缝地从一个Ruby版本过渡到另一个。
几乎rbenv的所有机制都可以通过bash编写的插件进行自定义。
rbenv的简单性有其优点,但也有一些缺点。更多信息请查看版本管理器比较。
3. 项目API使用文档
rbenv提供了一系列命令来管理Ruby版本。以下是一些主要命令的参考:
-
rbenv versions:列出所有已知的Ruby版本,并在当前活动版本旁边显示星号。 -
rbenv version:显示当前活动的Ruby版本以及它是如何设置的。 -
rbenv local:设置当前目录的本地Ruby版本。 -
rbenv global:设置所有shell中使用的全局Ruby版本。 -
rbenv shell:设置当前shell中使用的Ruby版本。 -
rbenv rehash:为所有已知的Ruby可执行文件安装shims。 -
rbenv which:显示rbenv将调用的给定命令的完整路径。 -
rbenv whence:列出包含指定可执行文件名的所有Ruby版本。
4. 项目安装方式
请参考上述“安装指南”部分,了解如何使用包管理器或基本Git检出方式安装rbenv。安装完成后,你需要设置你的shell以加载rbenv,并重启终端窗口以使更改生效。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00