GoTTY:将你的终端变成Web应用
项目介绍
GoTTY 是一个简单易用的命令行工具,它能够将你的 CLI 工具转换为 Web 应用程序。通过 GoTTY,你可以轻松地将终端会话分享给其他人,无论他们身处何地,只需通过浏览器即可访问你的终端。GoTTY 的核心功能是将终端输出通过 WebSocket 实时传输到浏览器,并支持用户在浏览器中输入命令,实现远程终端操作。

项目技术分析
GoTTY 基于 Go 语言开发,利用了 WebSocket 技术实现终端与浏览器之间的实时通信。它使用了 xterm.js 和 hterm 来在浏览器中模拟终端环境。GoTTY 的设计灵感来自于 Wetty,但它更加轻量级且易于部署。
GoTTY 支持多种安全选项,包括基本身份验证、随机 URL、TLS/SSL 加密以及客户端证书认证,确保你的终端会话在互联网上的安全性。此外,GoTTY 还支持通过 tmux 或 GNU Screen 实现多客户端共享同一终端会话。
项目及技术应用场景
GoTTY 的应用场景非常广泛,特别适合以下几种情况:
- 远程技术支持:IT 支持人员可以通过 GoTTY 快速分享终端会话,帮助远程用户解决问题。
- 在线演示:开发者可以通过 GoTTY 实时展示代码运行效果,无需复杂的屏幕共享工具。
- 教学与培训:教师可以通过 GoTTY 分享终端操作,帮助学生理解复杂的命令行操作。
- 临时共享:在团队协作中,有时需要临时共享终端会话,GoTTY 可以快速搭建一个临时的终端共享环境。
项目特点
- 轻量级与易用性:GoTTY 安装简单,使用方便,只需一行命令即可启动一个 Web 终端。
- 多平台支持:无论是 Linux、macOS 还是 Windows,GoTTY 都能轻松运行。
- 安全性:支持多种安全选项,确保终端会话的安全性。
- 多客户端共享:通过 tmux 或 GNU Screen,可以实现多个客户端共享同一终端会话。
- 自定义配置:支持通过配置文件自定义端口、TLS/SSL 设置、终端样式等。
GoTTY 是一个功能强大且易于使用的工具,无论你是开发者、系统管理员还是普通用户,都能从中受益。快来试试 GoTTY,将你的终端变成一个强大的 Web 应用吧!
安装与使用
安装
你可以通过以下几种方式安装 GoTTY:
- 下载二进制文件:从 Releases 页面下载最新稳定版本的二进制文件。
- Homebrew 安装:如果你是 macOS 用户,可以通过 Homebrew 安装 GoTTY。
$ brew install yudai/gotty/gotty
- go get 安装:如果你有 Go 语言环境,可以使用
go get命令安装 GoTTY。
$ go get github.com/yudai/gotty
使用
启动 GoTTY 非常简单,只需在命令行中运行 gotty 并加上你想要运行的命令即可。例如:
$ gotty top
默认情况下,GoTTY 会在端口 8080 启动一个 Web 服务器。打开浏览器访问 http://localhost:8080,你就可以看到终端的实时输出。
配置
GoTTY 支持通过命令行参数和配置文件进行自定义配置。你可以通过 --config 选项指定配置文件路径,或者使用默认的 ~/.gotty 配置文件。
# 示例配置文件
port = "9000"
enable_tls = true
preferences {
font_size = 5
background_color = "rgb(16, 16, 32)"
}
GoTTY 是一个功能强大且易于使用的工具,无论你是开发者、系统管理员还是普通用户,都能从中受益。快来试试 GoTTY,将你的终端变成一个强大的 Web 应用吧!
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
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00