Educates培训平台工作坊配置详解
2025-06-19 09:52:20作者:幸俭卉
工作坊配置概述
Educates培训平台是一个用于创建和交付技术培训内容的强大工具,它允许培训师构建交互式学习环境。工作坊(Workshop)作为Educates的核心概念,由两个主要组件构成:
- 工作坊定义:描述工作坊的部署设置和Educates环境配置
- 工作坊文件:包含工作坊说明文档、设置文件和练习文件
工作坊定义详解
工作坊定义通过Kubernetes自定义资源(CRD)实现,主要配置文件为resources/workshop.yaml。下面我们深入分析其关键配置项。
基础配置示例
apiVersion: training.educates.dev/v1beta1
kind: Workshop
metadata:
name: lab-markdown-sample
spec:
title: Markdown示例工作坊
description: 使用Markdown的示例工作坊
workshop:
files:
- git:
url: https://github.com/educates/lab-markdown-sample
ref: origin/main
includePaths:
- /workshop/**
- /exercises/**
- /README.md
session:
namespaces:
budget: small
applications:
console:
enabled: true
editor:
enabled: true
关键配置解析
-
工作坊文件来源:
- 支持从Git仓库获取工作坊文件
- 可通过
includePaths指定需要包含的文件路径 - 文件将被覆盖在标准工作坊基础镜像之上
-
基础镜像选择:
- 默认提供标准基础镜像
- 可选Java(JDK 17)和Python专用基础镜像
- 支持自定义镜像
workshop:
image: jdk17-environment:* # Java JDK 17基础镜像
- 会话配置:
- 控制台(console)和编辑器(editor)的启用状态
- 命名空间资源预算设置
- Kubernetes集群配额配置
工作坊内容渲染选项
Educates支持两种内容渲染引擎:
-
Classic渲染器:
- 原生动态Web应用
- 支持Markdown和AsciiDoc
- 通过YAML文件配置导航结构
-
Hugo渲染器:
- 基于Hugo生成静态HTML
- 仅支持Markdown
- 更灵活的导航配置选项
Classic渲染器配置
通过以下文件配置工作坊结构:
workshop/modules.yaml- 定义所有可用模块workshop/workshop.yaml- 指定实际使用的模块
模块配置示例:
# modules.yaml
modules:
00-workshop-overview:
name: 工作坊概述
exit_sign: 开始工作坊
01-workshop-instructions:
name: 工作坊说明
99-workshop-summary:
name: 工作坊总结
exit_sign: 完成工作坊
工作坊激活配置:
# workshop.yaml
name: 示例工作坊
modules:
activate:
- 00-workshop-overview
- 01-workshop-instructions
- 99-workshop-summary
Hugo渲染器配置
Hugo渲染器提供更灵活的导航配置方式:
-
默认行为:
- 自动包含
workshop/content目录下所有页面 - 按路径名或页面权重排序
- 自动包含
-
高级配置:
- 通过
workshop/config.yaml定义导航路径 - 支持多路径选择
- 可通过环境变量指定路径
- 通过
配置示例:
pathways:
default: workshop
paths:
workshop:
title: "示例工作坊"
steps:
- 00-workshop-overview
- 01-workshop-instructions
- 99-workshop-summary
modules:
- name: 00-workshop-overview
title: 工作坊概述
- name: 01-workshop-instructions
title: 工作坊说明
- name: 99-workshop-summary
title: 工作坊总结
最佳实践建议
-
镜像选择:
- 简单工作坊使用标准基础镜像
- Java/Python开发工作坊使用专用镜像
- 复杂环境考虑自定义镜像
-
内容组织:
- 保持模块结构清晰
- 为最终模块设置明确的完成标识
- 考虑多路径配置满足不同学习需求
-
渲染器选择:
- 需要AsciiDoc支持时使用Classic
- 追求性能时选择Hugo
- 复杂导航需求考虑Hugo的多路径功能
通过合理配置Educates工作坊,您可以创建结构清晰、交互性强的技术培训内容,为学员提供优质的学习体验。
登录后查看全文
热门项目推荐
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
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
246
暂无简介
Dart
672
157
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++
663
313
React Native鸿蒙化仓库
JavaScript
262
324
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.2 K
655
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
330
137