推荐一款高效能的Markdown服务器——Allmark
Allmark 是一个轻量级、独立的Markdown网页服务器,由Go语言编写,支持Linux、Mac OS和Windows系统。它以其简洁、快捷的方式,帮助用户将任何包含Markdown文件的目录转换为功能完备的HTML网站。
项目介绍

Allmark的核心特性在于其文件系统中心化的处理方式。只需指定一个带有Markdown文件的目录,服务器就能立即启动,并以HTML形式展示这些文件的内容。不仅如此,Allmark还自动添加了导航、全文搜索、主题、站点地图、RSS订阅、标签等网站必备元素,并通过WebSocket实现实时重载。
项目提供的动画演示展示了从GitHub克隆Allmark、构建并进行测试运行的过程,简单直观:
得益于Go语言的强大性能,Allmark实现这一切的速度极快,而且只需要一个单独的应用程序。
使用方法
要服务特定目录,可以执行:
allmark serve <directory path>
在当前目录下服务:
cd markdown-repository
allmark serve
启用实时重载:
allmark serve -livereload
每60秒强制重新索引:
allmark serve -reindex
强制HTTPS(将所有HTTP请求重定向到HTTPS):
allmark serve -secure
保存默认配置到.allmark文件夹以便自定义:
allmark init
Allmark可以处理任何含有Markdown文档及其引用文件(如图片、文本文件等)的目录结构,并通过HTTP(S)在随机空闲端口上提供服务。
结构与约定
标准的Markdown仓库结构可能如下所示:
├── files
│ ├── image.png
│ └── more-files
│ ├── file1.txt
│ ├── file2.txt
│ └── file3.txt
└── some-file.md
- 每个目录含一个Markdown文件(扩展名是.md、.markdown或.mdown)
- 一个名为
files的文件夹,其中包含Markdown文档引用的所有文件 - 可以有任意数量的子目录,每个子目录中也可以有更多的Markdown文件
Allmark允许无限级别的嵌套,并对没有Markdown文件的目录进行索引。
标准Markdown文档结构
Allmark期望的Markdown文档结构包括标题、描述文本和文档正文。例如:
# Document Title / Headline
A short description of the document ... Usually one sentence.
The Content of your document

- A List 1
- A List 2
- A List 3
**Some garbage text**: In pharetra ullamcorper egestas.
Nam vel sodales velit. Nulla elementum dapibus sem nec scelerisque.
In hac habitasse platea dictumst. Nulla vestibulum lacinia tincidunt.
下载与安装
您可以从allmark.io/bin下载适用于您操作系统的最新二进制版本。具体操作步骤在项目README中有详细说明。
功能
Allmark能够将Markdown文件转化为包含以下功能的网站:
- 导航
- 站点地图
- 全文搜索
- 实时重载
所有服务均通过HTTP(S)提供。
示例与试用
想要查看Allmark的实际效果,可以访问安迪·科赫的博客AndyK Docs:https://andykdocs.de。
构建
项目在Travis CI上持续集成,确保源代码质量。若感兴趣,也可自行编译,详情见文档/开发/构建部分。
贡献与联系
欢迎任何形式的贡献!可以通过创建拉取请求,或者通过Twitter (@allmark_io 或 @andreaskoch),GitHub,电子邮件(andy@allmark.io)等方式与我们联系。
有了Allmark,你可以快速地搭建起自己的Markdown文档服务器,无论是个人笔记,还是团队协作,都能得心应手。让我们一起享受Markdown带来的高效与乐趣吧!
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
