Tsuru 项目技术文档
1. 安装指南
获取 tsuru-client
请从以下链接下载与您的操作系统相匹配的最新版本:tsuru-client releases
以下是为 OS X 系统下载版本 1.1.1 的示例:
$ curl -sSL https://github.com/tsuru/tsuru-client/releases/download/1.1.1/tsuru-1.1.1-darwin_amd64.tar.gz | tar xz
安装说明
2. 项目的使用说明
在 Kubernetes 集群上成功运行 tsuru 后,您可以通过调用 app list 命令来查看 tsuru 是否正常工作。此命令应返回一个名为 tsuru-dashboard 的应用。
$ tsuru app list
3. 项目API使用文档
Tsuru 提供了一个命令行工具,名为 tsuru,允许您与 Tsuru API 进行交互。在使用前,请确保已按照安装指南正确安装了 Tsuru Client。
以下是一些基本的命令示例:
- 列出应用:
tsuru app list - 登录:
tsuru login admin@admin.com# 密码:admin@123 - 列出集群:
tsuru cluster list
4. 项目安装方式
本地开发环境
依赖项
在开始之前,请确保已安装以下工具:
您还需要安装 Tsuru Client 以与 Tsuru API 进行交互。如果尚未安装,请执行安装。
对于 macOS 用户:我们建议使用带有 socket_vmnet 的 qemu 驱动程序来运行 Minikube 集群。 有关安装 qemu 和 socket_vmnet 的更多信息,请参考以下链接:
注意:如果您使用的是 Docker 兼容的替代品,如 Podman,请在运行 make 命令时指定 DOCKER 变量与正确的二进制文件。例如:make local.run DOCKER=podman。
运行本地环境
要本地运行 Tsuru API,您需要先设置本地环境。这个设置过程非常重要,因为它会创建默认的配置文件,初始化所需的依赖项,并准备您的本地系统以托管 Tsuru API。以下命令将处理所有这些任务:
make local.setup
一旦设置完成,除非您想要重置环境,否则无需再次运行此命令。
初始设置完成后,您可以使用以下命令启动 Tsuru API 及其依赖项:
make local.run
Tsuru API 运行后,打开一个新的终端窗口并配置 Tsuru CLI,使其指向 local-dev 目标。此目标会告诉 CLI 与您的本地 Tsuru API 实例而不是远程服务器进行交互。您可以使用以下命令设置目标:
tsuru target-set local-dev
Tsuru 的目标与 Kubernetes 的 kubectl 配置上下文类似,允许您轻松地在不同环境之间切换。
要确认一切都设置正确,您可以登录并列出由您的 Tsuru API 实例管理的集群:
tsuru login admin@admin.com # 密码: admin@123
tsuru cluster list
如果一切正常,您应该会看到本地 Minikube 集群被列为默认的提供程序。
清理
完成本地环境的操作后,停止服务以释放系统资源非常重要。您可以使用以下命令停止依赖项:
make local.stop
如果您想要完全重置环境,或者不再需要在您的计算机上运行 Tsuru API 及其依赖项,您可以使用以下命令删除所有相关资源:
make local.cleanup
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 StartedRust099- 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
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。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