Apache Polygene™(Java Edition)技术文档
1. 安装指南
1.1 下载
您可以从以下地址下载Apache Polygene™的发布版本:Apache Polygene™下载页面。
1.2 构建项目
构建指令可以在以下地址找到:Apache Polygene™构建系统文档。
1.3 在IDE中打开项目
IntelliJ IDEA
IntelliJ IDEA Community Edition 提供了打开Apache Polygene™所需的一切。要打开项目,只需将此仓库作为项目打开。在导入时,确保选中了 "为每个源集创建单独的模块" 选项。
Netbeans
在Netbeans中打开Apache Polygene™,需要安装 Gradle Support 插件。该插件可以直接通过更新中心获取(工具/插件:搜索 Gradle Support)。然后,要打开项目,只需将此仓库作为项目打开。
Eclipse
Eclipse 通过Buildship项目支持基于Gradle的工程。要打开项目,只需将其作为Gradle项目导入。
2. 项目的使用说明
Apache Polygene™ 是一个基于Java平台的Composite Oriented Programming(复合面向编程)的社区项目。它结合了来自面向方面编程、依赖注入和领域驱动设计的概念。
使用Apache Polygene™,开发者可以处理比类更小的片段(fragments),并将它们组合成更大的组合(composites),这些组合行为类似于常规对象。Apache Polygene™还解决了应用程序组合的强制执行问题,即组合在模块中声明,模块包含在层中,层之间的访问受到控制。
3. 项目API使用文档
Apache Polygene™的API文档和示例可以在其官方文档中找到,具体请参考:Apache Polygene™文档。
4. 项目安装方式
4.1 使用Gradle
在项目根目录下,运行以下命令构建项目:
./gradlew build
4.2 使用Maven
在项目根目录下,运行以下命令构建项目:
mvn clean install
4.3 使用IDE
您也可以通过IDE的构建工具来构建项目,具体步骤请参考上文提到的IDE相关部分。
请注意,Apache Polygene™是在Apache软件基金会下进行的,并且遵循Apache许可2.0。有关更多信息,请参阅项目许可证文件。
Apache Polygene™ 社区欢迎任何探索基于Java平台的Composite Oriented Programming的努力。更多信息请访问:Apache Polygene™官网。
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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
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