Mike 项目使用教程
1. 项目介绍
Mike 是一个 Python 实用工具,旨在通过 Git 轻松管理 MkDocs 驱动的文档的多个版本。它特别适用于通过 GitHub Pages 托管文档。Mike 的核心理念是,一旦为特定版本生成了文档,就不应再触及该版本。这意味着您无需担心 MkDocs 中的破坏性更改,因为旧文档(使用旧版本的 MkDocs 构建)已经生成并存储在 gh-pages 分支中。
Mike 的灵活性使其能够将文档放置在 <major>.<minor> 目录中,并提供可选的别名(例如 latest 或 dev),以便轻松创建指向特定版本文档的永久链接。
2. 项目快速启动
安装 Mike
Mike 使用 setuptools,因此安装过程与大多数 Python 项目类似:
pip install mike
配置 MkDocs
在 mkdocs.yml 文件中添加 Mike 插件:
plugins:
- mike:
alias_type: symlink
redirect_template: null
deploy_prefix: ''
canonical_version: null
version_selector: true
css_dir: css
javascript_dir: js
部署文档
使用以下命令部署当前版本的文档:
mike deploy [version] [alias]
例如,部署版本 1.0 并设置别名为 latest:
mike deploy 1.0 latest
推送文档
将文档推送到远程分支:
mike deploy 1.0 latest -p
3. 应用案例和最佳实践
应用案例
Mike 特别适用于需要维护多个版本文档的项目,例如软件库、API 文档或开源项目的文档。通过使用 Mike,您可以轻松管理不同版本的文档,确保每个版本的文档独立且不会因 MkDocs 的更新而受到影响。
最佳实践
- 版本命名规范:建议使用
<major>.<minor>格式命名版本,避免使用补丁号,以便更清晰地管理版本。 - 别名管理:为特别重要的版本设置别名(如
latest或dev),以便用户可以轻松访问最新或开发中的文档。 - 定期清理:定期使用
mike delete --all清理旧版本的文档,避免 gh-pages 分支过于臃肿。
4. 典型生态项目
MkDocs
MkDocs 是一个快速、简单且美观的静态站点生成器,适用于构建项目文档。Mike 与 MkDocs 紧密集成,使得管理多个版本的文档变得非常方便。
GitHub Pages
GitHub Pages 是一个静态站点托管服务,直接从 GitHub 仓库托管您的网站。Mike 通过 Git 管理文档版本,特别适合与 GitHub Pages 结合使用。
shtab
shtab 是一个用于生成 shell 补全脚本的工具。安装 shtab 后,可以使用 mike generate-completion 为 Mike 生成 shell 补全脚本,提高命令行操作效率。
通过以上模块的介绍和实践,您可以快速上手并充分利用 Mike 项目,有效管理 MkDocs 驱动的文档版本。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00