Gas项目技术文档
2024-12-27 15:15:07作者:余洋婵Anita
1. 安装指南
Gas 是一款帮助您管理 git 提交作者的工具。如果您在使用同一台计算机时,需要在不同邮箱之间切换提交者身份(例如个人邮箱和工作邮箱),或者您在进行配对编程时,希望反映代码不仅仅是由您一个人编写的,Gas 可以帮助您在配对用户和常规用户之间切换。
安装 Gas 的最佳方式是使用 RubyGems:
$ [sudo] gem install gas
您也可以从源代码进行安装:
$ cd gas/
$ bundle
$ rake install
2. 项目的使用说明
内置命令
add NICKNAME NAME EMAIL- 添加一个新的用户到gasdelete NICKNAME- 从gas中删除一个用户import NICKNAME- 将当前.gitconfig中的用户导入为NICKNAMElist- 列出所有用户plugins- 列出所有已安装的插件show- 显示当前用户use NICKNAME- 将具有NICKNAME的用户设置为当前用户
默认任务为列出作者:
$ gas
$ gas list
这将列出在 ~/.gas/gas.users 文件中设置的作者。
您可以通过以下命令为当前用户分配一个昵称并导入:
$ gas import current_user
添加作者的命令如下:
$ gas add walle "Fredrik Wallgren" fredrik.wallgren@gmail.com
主要使用的命令是:
$ gas use walle
若要删除用户,使用以下命令:
$ gas delete walle
查看帮助:
$ gas -h
3. 项目API使用文档
Gas 的扩展遵循 git 的方式,任何在 PATH 中的名为 gas-yourplugin 的可执行文件都可以与 gas 一起使用。这意味着您可以用任何您喜欢的语言编写 Gas 的扩展,唯一需要做的就是将其放入 PATH。
若要扩展已存在的命令,创建一个名为 gas-yourplugin-existingcommand 的可执行文件,例如 gas-stats-use,它将在原始 use 命令执行时做一些操作。这也使得扩展插件成为可能,例如 gas-myplugin-stats 将扩展 stats 命令,如果已安装。
一个示例插件可以在 gas_stats 找到,它使用 ruby 编写并使用 rubygems 分发,但这不是必须的。它通过添加统计功能来扩展 gas 的内置命令,并添加了自身的功能(gas-stats)。
4. 项目安装方式
项目的安装方式在 "安装指南" 部分已详细说明,您可以通过 RubyGems 安装或从源代码安装。如需安装插件,可以参考以下命令:
$ gem install gas_stats
$ gem install gas_ssh
每个插件的安装方式可能略有不同,请参考插件的 README 文档进行安装。
登录后查看全文
热门项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0117
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java04
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook09
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
764
4.97 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
857
1.92 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
680
1.33 K
Ascend Extension for PyTorch
Python
719
875
deepin linux kernel
C
32
16
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
456
438
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.08 K
1.1 K
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
150
252
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
303
117
昇腾LLM分布式训练框架
Python
178
220