Leantime 开源项目指南
2024-08-10 19:13:52作者:劳婵绚Shirley
1. 项目介绍
Leantime 是一个专为非项目管理人员设计的目标导向型项目管理系统。它考虑到了ADHD、自闭症和阅读障碍等特殊需求,提供了一个简洁而强大的工具来跟踪任务、时间以及风险管理。Leantime 提供了时间追踪、风险分析、屏幕录制、插件扩展和API集成等功能,支持超过20种语言,并能够无缝整合到 Slack、Mattermost 和 Discord 等通讯平台。
2. 项目快速启动
Docker安装(推荐)
步骤一: 获取Docker镜像
docker pull leantime/leantime:latest
步骤二: 配置环境变量
创建一个名为 .env 的文件,并添加以下内容(替换为你自己的配置):
DB_HOST=数据库主机地址
DB_PORT=数据库端口
DB_NAME=数据库名称
DB_USER=数据库用户名
DB_PASSWORD=数据库密码
LEANTIME_ADMIN_USERNAME=管理员用户名
LEANTIME_ADMIN_PASSWORD=管理员密码
步骤三: 启动容器
docker run -d --name leantime \
-p 80:80 \
-v /path/to/config:/var/www/html/config \
-v /path/to/data:/var/lib/mysql \
-e "DB_HOST=$(cat .env | grep DB_HOST | cut -d '=' -f2)" \
-e "DB_PORT=$(cat .env | grep DB_PORT | cut -d '=' -f2)" \
-e "DB_NAME=$(cat .env | grep DB_NAME | cut -d '=' -f2)" \
-e "DB_USER=$(cat .env | grep DB_USER | cut -d '=' -f2)" \
-e "DB_PASS=$(cat .env | grep DB_PASS | cut -d '=' -f2)" \
-e "LEANTIME_ADMIN_USERNAME=$(cat .env | grep LEANTIME_ADMIN_USERNAME | cut -d '=' -f2)" \
-e "LEANTIME_ADMIN_PASSWORD=$(cat .env | grep LEANTIME_ADMIN_PASSWORD | cut -d '=' -f2)" \
leantime/leantime:latest
现在访问 http://localhost 即可开始使用 Leantime。
本地生产安装
步骤一: 下载最新发布包
从 release页面 下载名为 Leantime-vx.x.x.zip 的压缩文件。
步骤二: 安装依赖
确保你的环境中已安装 PHP 8.1+,MySQL 8.0+,Apache 或 Nginx(IIS 需要一些调整),并安装以下PHP扩展:mysql、mbstring、GD、exif、pcntl、bcmath、opcache、ldap。
步骤三: 解压并配置
解压缩文件,然后按照提供的文档配置数据库连接和其他设置。
步骤四: 运行安装脚本
在解压后的目录中运行以下命令:
php setup.php
完成安装后,通过浏览器访问你的服务器地址以启动 Leantime。
3. 应用案例和最佳实践
- 小型企业:用于管理日常任务、跟进客户沟通和项目进度。
- 数字营销机构:定制To-Do列表列名,适应不同项目需求,替换Asana等工具。
- 安全系统供应商:灵活的时间跟踪和项目管理,支持业务流程中的多种任务类型。
最佳实践包括:
- 制定清晰的项目目标和KPI。
- 使用内置的风险分析功能识别潜在问题。
- 整合团队通信工具,保持团队协作流畅。
- 定期进行项目回顾和改进。
4. 典型生态项目
Leantime 可与其他开源项目结合使用,如:
- Docker:通过Docker部署,简化系统维护。
- Jenkins:自动化持续集成和部署。
- GitLab/GitHub:配合版本控制系统进行代码管理和协同开发。
- Prometheus/Grafana:监控Leantime性能及服务器状态。
这些生态项目可以帮助构建更完整的企业级解决方案。
登录后查看全文
热门项目推荐
相关项目推荐
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
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
173
193
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++
647
263
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
269
93
暂无简介
Dart
622
140
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
377
3.32 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (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
1.1 K
620
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
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