Shuttlings 项目教程
项目介绍
Shuttlings 是一个由 Shuttle 团队开发的 Rust 后端开发学习资源集合。该项目旨在通过一系列代码挑战帮助开发者掌握 Rust 后端开发技能。Shuttlings 的名字来源于 Rustlings,后者也是一个非常优秀的 Rust 学习资源。通过 Shuttlings,开发者可以接触到真实的后端开发问题,并通过实践来提升自己的技能。
项目快速启动
环境准备
在开始之前,请确保你已经安装了以下工具:
- Rust 编程语言(可以通过
rustup安装) - Git
克隆项目
首先,克隆 Shuttlings 项目到本地:
git clone https://github.com/shuttle-hq/shuttlings.git
cd shuttlings
运行第一个挑战
Shuttlings 项目包含多个代码挑战,每个挑战都位于一个独立的目录中。你可以通过以下命令运行第一个挑战:
cd challenges/challenge_01
cargo run
根据挑战的提示,修改代码并再次运行 cargo run,直到挑战成功。
应用案例和最佳实践
应用案例
Shuttlings 项目已经被多个公司和教育机构用于内部培训和教学。例如,某公司使用 Shuttlings 来培训新入职的开发人员,帮助他们快速掌握 Rust 后端开发技能。此外,某大学也将 Shuttlings 作为课程的一部分,帮助学生通过实践来学习 Rust。
最佳实践
- 逐步完成挑战:每个挑战都设计为逐步增加难度,建议按照顺序完成挑战,不要跳过任何一个。
- 代码审查:在完成挑战后,可以与其他开发者进行代码审查,互相学习和改进。
- 参与社区:加入 Shuttlings 的 Discord 社区,与其他学习者交流经验,获取帮助。
典型生态项目
Rustlings
Rustlings 是一个与 Shuttlings 类似的项目,专注于 Rust 基础知识的学习。通过 Rustlings,你可以掌握 Rust 的基本语法和概念,为深入学习 Shuttlings 打下坚实的基础。
Shuttle
Shuttle 是一个 Rust 后端开发框架,Shuttlings 项目中的挑战大多基于 Shuttle 框架。通过学习 Shuttlings,你可以更好地理解和使用 Shuttle 框架,提升自己的后端开发能力。
Actix
Actix 是另一个流行的 Rust 后端框架,虽然 Shuttlings 主要基于 Shuttle,但了解 Actix 框架也能帮助你更好地理解 Rust 后端开发的多样性。
通过 Shuttlings 项目,你不仅可以提升 Rust 后端开发技能,还能接触到 Rust 生态中的其他优秀项目,为你的技术成长提供更多可能性。
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