VMware Tanzu Labs Educates 培训平台:工作坊模板使用指南
2025-06-19 23:35:04作者:何将鹤
什么是Educates工作坊模板
Educates培训平台提供了一套标准化的工作坊模板,帮助开发者快速创建技术培训内容。这套模板专为本地Educates环境设计,同时具备足够的灵活性,可以适应各种部署场景。模板采用模块化设计,包含预定义的文件结构和配置,让培训内容创建者能够专注于教学内容本身,而不必从头搭建框架。
创建工作坊的基本流程
使用Educates命令行工具创建工作坊非常简单,只需执行以下命令:
educates new-workshop lab-new-workshop
这个命令会在指定路径下生成工作坊的基础结构。工作坊名称需要符合Kubernetes对象命名规范(RFC 1035标准),但建议长度不超过25个字符,因为Educates系统会在不同场景下添加前缀或后缀。
渲染器选择
Educates提供两种内容渲染器:
- Hugo渲染器(默认):基于流行的静态网站生成器Hugo,提供更丰富的功能和更好的性能
- Classic渲染器(已弃用):旧版渲染器,未来将被移除
建议所有新工作坊都使用Hugo渲染器:
educates new-workshop lab-new-workshop --template hugo
自定义工作坊配置
创建工作坊时,可以通过命令行参数自定义关键信息:
--title:工作坊简短标题--description:详细描述--image:指定基础镜像,可选值包括:jdk8-environment:*jdk11-environment:*jdk17-environment:*jdk21-environment:*conda-environment:*
工作坊文件结构解析
生成的工作坊包含以下核心目录和文件:
resources/workshop.yaml:主配置文件/workshop:教学内容目录/exercises:练习内容目录README.md:说明文档
自定义基础镜像
虽然Educates提供了多种标准基础镜像,但在某些特殊场景下可能需要自定义镜像。配置方式如下:
spec:
workshop:
image: custom-environment:latest
files:
- image:
url: $(image_repository)/{name}-files:$(workshop_version)
includePaths:
- /workshop/**
- /exercises/**
- /README.md
构建和推送自定义镜像的命令:
docker build -t localhost:5001/{name}-image:latest .
注意:除非必要,否则不建议使用自定义镜像。Educates的扩展包机制通常能满足大多数定制需求,而且能确保与平台版本的兼容性。
最佳实践建议
- 命名规范:保持工作坊名称简短且有意义
- 版本控制:使用语义化版本控制工作坊内容
- 内容组织:合理划分理论内容和实践练习
- 依赖管理:优先使用扩展包而非自定义镜像
- 测试验证:在发布前充分测试工作坊内容
工作坊发布流程
当工作坊开发完成后,可以将其发布供他人使用。Educates提供了完整的发布工作流,包括:
- 内容打包为OCI镜像
- 生成部署所需的Kubernetes资源文件
- 创建版本发布
通过遵循这些指南,您可以高效地创建专业级的技术培训内容,充分利用Educates平台提供的各项功能,为学员提供优质的学习体验。
登录后查看全文
热门项目推荐
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C091
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python058
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
473
3.52 K
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
223
90
暂无简介
Dart
721
174
Ascend Extension for PyTorch
Python
283
316
React Native鸿蒙化仓库
JavaScript
286
338
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
849
438
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.27 K
699
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
10
1
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
19