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。
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-7BSpark-Prover-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
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-7BSpark-Formalizer-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00