Movary 开源项目教程
1. 项目介绍
Movary 是一个免费且开源的网络应用程序,用于跟踪、评分和探索你的电影观看历史。你可以自行托管该应用,并与其他人共享。Movary 提供了详细的统计数据、第三方集成(如 Trakt、Letterboxd 或 Netflix)、自动播放跟踪(如 Plex、Jellyfin 或 Emby)等功能。
2. 项目快速启动
2.1 环境准备
在开始之前,请确保你的系统已经安装了以下软件:
- Docker
- Docker Compose
2.2 克隆项目
首先,克隆 Movary 项目到本地:
git clone https://github.com/leepeuker/movary.git
cd movary
2.3 配置环境变量
复制 .env.development.example 文件并重命名为 .env.development:
cp .env.development.example .env.development
根据你的需求编辑 .env.development 文件。
2.4 启动应用
使用 Docker Compose 启动应用:
docker-compose up -d
启动完成后,访问 http://localhost:80 即可进入 Movary 应用。
3. 应用案例和最佳实践
3.1 个人使用
Movary 非常适合个人用户记录和分析自己的电影观看历史。你可以通过第三方集成导入现有的观看记录,并使用 Movary 提供的统计功能来分析你的观影习惯。
3.2 家庭共享
Movary 支持多用户管理,因此你可以与家人或朋友共享一个 Movary 实例。每个人可以拥有自己的账户,记录各自的观影历史,并共享一些统计数据。
3.3 社区项目
Movary 的开源特性使其非常适合用于社区项目。你可以将 Movary 部署在一个公共服务器上,供社区成员使用,并通过自定义功能来满足特定需求。
4. 典型生态项目
4.1 Plex
Movary 与 Plex 集成,可以自动跟踪你在 Plex 上的观影记录。你可以在 Movary 中配置 Plex 的 API 密钥,实现自动同步。
4.2 Trakt.tv
如果你已经在使用 Trakt.tv 记录观影历史,Movary 支持从 Trakt.tv 导入数据。你可以通过简单的配置将 Trakt.tv 的数据导入到 Movary 中。
4.3 Letterboxd
Movary 还支持从 Letterboxd 导入数据。你可以将 Letterboxd 的 CSV 文件导入到 Movary 中,继续使用 Movary 进行观影记录和分析。
通过以上步骤,你可以快速启动并使用 Movary 项目,并根据实际需求进行定制和扩展。
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 StartedRust0117- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
SenseNova-U1-8B-MoT-SFTenseNova U1 是一系列全新的原生多模态模型,它在单一架构内实现了多模态理解、推理与生成的统一。 这标志着多模态AI领域的根本性范式转变:从模态集成迈向真正的模态统一。SenseNova U1模型不再依赖适配器进行模态间转换,而是以原生方式在语言和视觉之间进行思考与行动。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00