SSHKey 技术文档
1. 安装指南
SSHKey 是一个用于生成 SSH 密钥对的 Ruby 库,支持 RSA、DSA 和 ECDSA 密钥类型。以下是安装步骤:
安装步骤
-
确保你已经安装了 Ruby 环境(CRuby 2.5+ 或 JRuby)。
-
使用以下命令安装
sshkeygem:gem install sshkey
2. 项目的使用说明
生成新的密钥对
默认情况下,SSHKey.generate 会生成一个 2048 位的 RSA 密钥对。你也可以通过指定 type 和 bits 参数来生成不同类型的密钥对。
k = SSHKey.generate
k = SSHKey.generate(
type: "DSA",
bits: 1024,
comment: "foo@bar.com",
passphrase: "foobar"
)
使用现有密钥
你可以从现有的 PEM 格式的私钥字符串中创建一个 SSHKey 对象。
f = File.read(File.expand_path("~/.ssh/id_rsa"))
k = SSHKey.new(f, comment: "foo@bar.com")
如果你的密钥是 OpenSSH 格式(以 -----BEGIN OPENSSH PRIVATE KEY----- 开头),你需要将其转换为 PEM 格式或生成一个新的密钥。
生成新的 RSA 密钥(PEM 格式)
ssh-keygen -t rsa -b 4096 -m PEM
转换现有 OpenSSH 格式密钥
ssh-keygen -p -N "" -m pem -f /path/to/existing/private/key
3. 项目 API 使用文档
SSHKey 对象
获取私钥和公钥
你可以通过以下方法获取私钥和公钥的字符串形式。注意,public_key 是 RSA 或 DSA 或 ECDSA 公钥,而不是 SSH 公钥。
k.private_key
k.public_key
获取 SSH 公钥:
k.ssh_public_key
加密私钥
如果生成密钥时设置了 passphrase,或者通过 passphrase 访问器设置了密码,你可以获取加密后的私钥。
k.passphrase = "foo"
k.encrypted_private_key
注释
密钥可以有一个可选的注释,该注释会显示在 SSH 公钥中。你可以通过 comment 访问器获取或设置注释。
k.comment = "me@me.com"
k.ssh_public_key
密钥长度
你可以获取密钥的位长度。
k.bits
指纹
你可以获取 SSH 公钥的 MD5、SHA1 或 SHA256 指纹。
k.md5_fingerprint
k.sha1_fingerprint
k.sha256_fingerprint
公钥指令
你可以添加可选的指令,这些指令会在密钥认证时强制执行。
k.directives = "no-pty"
k.directives = [
"no-port-forwarding",
"no-X11-forwarding",
"no-agent-forwarding",
"no-pty",
"command='/home/user/bin/authprogs'"
]
k.ssh_public_key
Randomart
你可以生成 OpenSSH 兼容的 ASCII 艺术指纹。
puts k.randomart
原始 OpenSSL 密钥对象
你可以获取原始的 OpenSSL::PKey::RSA、OpenSSL::PKey::DSA 或 OpenSSL::PKey::EC 对象。
k.key_object
现有 SSH 公钥
验证
你可以验证给定的 SSH 公钥是否有效。
SSHKey.valid_ssh_public_key? "ssh-rsa AAAAB3NzaC1yc2EAAAADAQABAAABAQC9HuXvYJPtQE..."
4. 项目安装方式
通过 Gem 安装
gem install sshkey
通过 Bundler 安装
如果你使用 Bundler 管理依赖,可以在 Gemfile 中添加以下内容:
gem 'sshkey'
然后运行:
bundle install
通过本文档,你应该能够顺利安装并使用 SSHKey 库来生成和管理 SSH 密钥对。如果你有任何问题,请参考文档中的详细说明。
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