WheneverGem 使用指南
1. 安装指南
安装 Whenever Gem 非常简单,可以使用以下任一命令:
$ gem install whenever
或者,如果你在使用 Bundler,可以在你的 Gemfile 中添加以下代码:
gem 'whenever', require: false
然后执行 bundle install 命令。
2. 项目使用说明
使用 Whenever Gem,你需要先在你的项目中初始化一个配置文件。以下是如何创建这个文件的步骤:
$ cd /apps/my-great-project
$ bundle exec wheneverize .
这会在你的项目中的 config 文件夹下创建一个名为 schedule.rb 的文件。
The whenever 命令
whenever 命令会将你的 schedule.rb 文件内容转换为 cron 语法。但它不会读取或写入你的 crontab 文件。
如果你想查看转换后的 cron 语法,可以执行以下命令:
$ cd /apps/my-great-project
$ bundle exec whenever
如果你想将你的任务写入 crontab 文件,可以使用以下命令:
$ whenever --update-crontab
你还可以使用其他选项,例如:
--user app:设置以特定用户身份安装 crontab--load-file config/my_schedule.rb:设置要使用的调度文件--crontab-command 'sudo crontab':覆盖默认的 crontab 命令
注意:如果你不使用 --user 属性运行 whenever --update-crontab,cron 将由当前用户生成。这意味着需要其他用户权限的任务将失败。
你可以使用 crontab -l 命令查看已安装的 cron 任务。
运行 whenever --help 可以获取完整的选项列表,用于选择调度、设置变量等。
3. 项目API使用文档
Whenever Gem 提供了以下几种预定义的作业类型:command、runner 和 rake。你还可以使用 job_type 方法定义自己的作业类型。
例如:
job_type :awesome, '/usr/local/bin/awesome :task :fun_level'
every 2.hours do
awesome "party", fun_level: "extreme"
end
这将每两小时运行 /usr/local/bin/awesome party extreme。
默认的作业类型定义如下:
job_type :command, ":task :output"
job_type :rake, "cd :path && :environment_variable=:environment bundle exec rake :task --silent :output"
job_type :runner, "cd :path && bin/rails runner -e :environment ':task' :output"
job_type :script, "cd :path && :environment_variable=:environment bundle exec script/:task :output"
如果未设置 :path,它将默认为执行 whenever 命令的目录。:environment_variable 默认为 'RAILS_ENV'。:environment 默认为 'production'。:output 会被替换为你的输出重定向设置。
所有作业默认使用 bash -l -c 'command...' 运行。这允许你的 cron 作业加载整个环境,而不是 cron 的有限环境。
你可以通过设置自己的 :job_template 来更改默认设置:
set :job_template, "bash -l -c ':job'"
或者,如果你想取消模板,可以设置为 nil:
set :job_template, nil
4. 项目安装方式
Whenever Gem 的安装方式已在 "安装指南" 部分说明,以下是简要步骤:
- 使用
gem install whenever命令安装 Gem。 - 在项目中运行
bundle exec wheneverize .初始化schedule.rb。 - 运行
bundle exec whenever查看cron语法。 - 运行
whenever --update-crontab将任务写入 crontab。
确保在执行 whenever --update-crontab 时根据需要设置用户权限。
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-1.5暂无简介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
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
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