Hookah 技术文档
1. 安装指南
Hookah 依赖于 Twisted 库。首先,您需要确保您的环境中已经安装了 Twisted。然后,您可以从命令行启动 Hookah:
twistd hookah --port 8080
上述命令将在端口 8080 上启动 Hookah 服务。
2. 项目的使用说明
Hookah 是一个简单轻量级的独立 Web 服务器,您可以在现有的 Web 堆栈旁边本地运行。它提供了以下功能:
- 接口完全基于 HTTP,可以从任何语言中轻松使用。
- 异步处理 POST 请求(webhooks),并具有重试机制。
- 使用 PubSubHubbub 协议提供发布/订阅接口(实验性)。
- 提供类似“Twitter Stream API”风格的长时间轮询接口,用于主题(超级实验性)。
使用分发器
通过向 /dispatch 发送带有 _url POST 参数的请求,可以将 POST 请求排队到该 URL 并立即返回。这使得您可以使用 Hookah 作为出站请求队列,处理重试等操作。由于使用 HTTP 协议,您可以从任何语言中使用熟悉的 API 进行操作。
通过向 /dispatch 发送带有 _topic POST 参数的请求,可以将该 POST 消息广播到任何订阅该主题的回调函数,或者广播到该主题上长时间运行的流消费者。
使用 PubSub
请参考 PubSubHubbub 规范,因为 Hookah 目前非常符合这个优秀的协议。中心端点位于 /hub,但基于 hub.mode 参数在 /publish 和 /subscribe 之间多路复用。
这个功能还非常早期,因此还不完整。主要的问题是,没有永久存储订阅数据或队列数据。这意味着,如果您重新启动 Hookah,所有订阅都需要重新进行。
使用流
Hookah 实现了一个长时间运行的流 API,模仿了 Twitter 的 Stream API。只需向 /stream 发送带有主题参数的 GET 请求,您将获得一个持久的、分块的 HTTP 连接,它会将发布到该主题的消息实时发送给您。
3. 项目API使用文档
-
/dispatch: 用于分发 POST 请求到指定的 URL 或主题。- 参数:
_url: POST 请求的目标 URL。_topic: POST 请求广播到的主题。
- 参数:
-
/hub: PubSubHubbub 协议的中心端点,用于发布和订阅操作。- 参数:
hub.mode: 指定是发布还是订阅操作。- 其他 PubSubHubbub 协议相关参数。
- 参数:
-
/stream: 用于长时间轮询主题的流 API。- 参数:
topic: 指定要订阅的主题。
- 参数:
4. 项目安装方式
请参考以下步骤安装 Hookah:
- 确保您的环境中已安装 Twisted。
- 下载 Hookah 源代码。
- 在命令行中运行
twistd hookah --port 8080命令启动服务。
以上即为 Hookah 技术文档的详细内容。希望对您有所帮助!
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