GAPIC Generator Python 使用教程
1. 项目介绍
GAPIC Generator Python 是一个用于生成 Python API 客户端库的工具,适用于通过 Protocol Buffers 描述的 API。该项目的主要目的是替代传统的单体生成器,提供更轻量级、更明确的 API 规范格式,并支持在 Python 3 中生成客户端库。
主要特点
- 轻量级: 专注于生成 Python API 客户端库。
- Bazel 支持: 可以通过 Bazel 进行调用,适合在持续集成和自动化管道中使用。
- Protocol Buffers: 支持通过 Protocol Buffers 描述的 API。
2. 项目快速启动
2.1 安装
首先,确保你已经安装了 Python 3.7 或更高版本。然后,使用 pip 安装 gapic-generator:
pip install gapic-generator
2.2 克隆 Google APIs 仓库
为了生成客户端库,你需要克隆 Google APIs 仓库:
git clone https://github.com/googleapis/googleapis.git
2.3 创建 Bazel 目标
在你的 BUILD.bazel 文件中添加以下目标:
load("@gapic_generator_python//rules_python_gapic:py_gapic.bzl", "py_gapic_library")
load("@gapic_generator_python//rules_python_gapic:py_gapic_pkg.bzl", "py_gapic_assembly_pkg")
py_gapic_library(
name = "documentai_py_gapic",
srcs = [":documentai_proto"],
)
py_gapic_assembly_pkg(
name = "documentai-v1beta2-py",
deps = [
":documentai_py_gapic",
],
)
2.4 编译 API
使用 Bazel 编译 API:
bazel build //google/cloud/documentai/v1beta2:documentai-v1beta2-py
3. 应用案例和最佳实践
3.1 自动化生成客户端库
在持续集成(CI)环境中,可以使用 Bazel 自动化生成客户端库。通过配置 CI 工具(如 GitHub Actions),在每次代码提交时自动生成和测试客户端库。
3.2 自定义 API 生成
通过修改 Protocol Buffers 文件中的注释和结构,可以自定义生成的客户端库。例如,添加自定义方法或修改现有方法的参数。
4. 典型生态项目
4.1 Google Cloud APIs
GAPIC Generator Python 主要用于生成 Google Cloud 服务的客户端库。例如,Google Cloud Vision、Google Cloud Document AI 等服务的客户端库都可以通过该项目生成。
4.2 Protocol Buffers
Protocol Buffers 是 Google 开发的一种数据序列化格式,广泛用于定义 API 和服务。GAPIC Generator Python 依赖于 Protocol Buffers 来生成客户端库。
4.3 Bazel
Bazel 是一个开源构建工具,支持大规模软件项目的构建和测试。GAPIC Generator Python 推荐使用 Bazel 进行自动化构建和集成。
通过以上步骤,你可以快速上手并使用 GAPIC Generator Python 生成 Python API 客户端库。
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