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
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