Jammit S3 技术文档
1. 安装指南
Jammit S3 是一个针对 Jammit 的包装器,它提供了适当的钩子,以便您可以轻松地将资产部署到 S3/CloudFront。它特别适用于使用生成资产(如 coffee-script 和 sass)的 Heroku 用户。
要安装 Jammit S3,只需使用以下命令:
gem install jammit-s3
如果您在使用 Rails3,请将其添加到项目的 Gemfile 中:
gem 'jammit-s3'
Jammit S3 已经包含了对 Jammit 的依赖,因此建议从您的 Gemfile 中移除任何现有的 gem 'jammit' 引用。
2. 项目使用说明
在 config/assets.yml 文件中,添加一个顶层键 s3_bucket,其中包含您要使用的存储桶名称。如果 jammit-s3 找不到存储桶,它将尝试创建一个。存储桶名称需要是全球唯一的。有关存储桶名称的更多信息,请参考这里。
s3_bucket: my-awesome-jammit-bucket
配置认证信息,将认证信息设置在 config/assets.yml 中:
s3_access_key_id: 03HDMNF59CWZ2J24T702
s3_secret_access_key: 1TzRlDmuH8DoOlJ2tlwW8qx+i+Pfe0jzIouWI2BL
将这些值替换为您的访问密钥,您可以在这里找到。
您可能不希望将这些数据检查到源控制中,因此建议您仅在本地机器上将其设置为环境变量,并使用 ERB:
s3_access_key_id: <%= ENV['ACCESS_KEY_ID'] %>
s3_secret_access_key: <%= ENV['SECRET_ACCESS_KEY'] %>
然后您可以在 .bash_profile 中设置这些环境变量。
3. 项目 API 使用文档
Jammit S3 的部署命令为:
jammit-s3
如果您在使用 Rails3 应用程序,建议使用 bundle exec:
bundle exec jammit-s3
4. 项目安装方式
默认上传文件夹
默认情况下,jammit-s3 将上传您配置的资产,以及 public/images。但是,您可以使用 s3_upload_files 设置来自定义上传的文件,它应该是一个文件通配符列表。
# 添加图片上传
s3_upload_files:
- public/css/images/**
设置上传文件权限
默认情况下,jammit-s3 使用 S3 存储桶上的权限设置。但是,您可以通过以下配置来覆盖此设置:
s3_permission: public_read
有效的权限选项包括:
private:所有者拥有完全控制权。其他人没有任何访问权限。这是默认设置。public_read:所有者拥有完全控制权,匿名用户被授予读取权限。public_read_write:所有者拥有完全控制权,匿名用户被授予读取和写入权限。authenticated_read:所有者拥有完全控制权,任何经过认证的 Amazon S3 用户被授予读取权限。
使用 CloudFront
要使用 CloudFront,您需要确保您的 Amazon 账户已启用 CloudFront。请访问:http://aws.amazon.com/cloudfront/ 并点击“注册”。
要使用 CloudFront,只需在 config/assets.yml 中添加以下设置:
use_cloudfront: on
cloudfront_dist_id: XXXXXXXXXXXXXX
cloudfront_domain: xyzxyxyz.cloudfront.net
请注意,cloudfront_dist_id 与 CloudFront 域名不同。在 CloudFront 管理控制台中,选择分发,您将看到分发 ID 和域名值。
这将使用 CloudFront 域名而不是从较慢的 S3 存储桶来为您提供资产。
CloudFront 知名问题
- 据报道,全球所有 CloudFront 缓存无效可能需要多达 15 分钟(并且 Amazon 对超过每月一定数量的无效次数收费)。
- 从最终用户的角度来看,它是非原子的:他们可能会得到一个包含较新 JavaScript 和 CSS 的旧版本网站,或者反之亦然。
- 它与激进的 HTTP 缓存不兼容。例如,一旦我提供脚本或样式表,我希望建议它无限期缓存,而无需进行更多往返以查看其是否有效。
考虑到这些限制,仍然需要某种基于内容的哈希。正确实现后,它确保所有文件可以无限期缓存,并且用户总是得到匹配的 HTML/JS/CSS 文件。(目前正处于开发阶段)。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00