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!
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00