Airbrake 技术文档
1. 安装指南
使用 Bundler 安装
在您的 Gemfile 中添加 Airbrake gem:
gem 'airbrake'
然后运行 bundle install 来安装依赖。
手动安装
在终端中执行以下命令:
gem install airbrake
2. 项目的使用说明
Airbrake 是一个强大的异常跟踪工具,能够帮助您在 Ruby 应用程序中捕获和调试错误。它能够自动捕获未处理的异常,并将相关信息发送到 Airbrake 仪表盘,方便您快速定位和解决问题。
Rails 集成
要将 Airbrake 集成到 Rails 应用程序中,您需要知道项目的 project id 和 project key。设置以下环境变量并生成 Airbrake 配置文件:
export AIRBRAKE_PROJECT_ID=<PROJECT ID>
export AIRBRAKE_PROJECT_KEY=<PROJECT KEY>
rails g airbrake
此命令将在 config/initializers/airbrake.rb 中生成 Airbrake 配置文件。确保此文件已提交到版本控制系统中。
Sinatra 集成
在 Sinatra 应用程序中使用 Airbrake,只需 require Airbrake gem,配置它并使用 Rack 中间件:
require 'sinatra/base'
require 'airbrake'
Airbrake.configure do |c|
c.project_id = 113743
c.project_key = 'fd04e13d806a90f96614ad8e529b2822'
c.logger.level = Logger::DEBUG
end
class MyApp < Sinatra::Base
use Airbrake::Rack::Middleware
get('/') { 1/0 }
end
run MyApp.run!
Rack 集成
在任何 Rack 应用程序中使用 Airbrake,只需 use Airbrake 的 Rack 中间件并配置通知器:
require 'airbrake'
require 'airbrake/rack'
Airbrake.configure do |c|
c.project_id = 113743
c.project_key = 'fd04e13d806a90f96614ad8e529b2822'
end
use Airbrake::Rack::Middleware
3. 项目 API 使用文档
Airbrake 提供了丰富的 API 用于手动报告错误和自定义错误信息。
手动报告错误
您可以使用 Airbrake.notify 方法手动报告错误:
begin
1 / 0
rescue => exception
Airbrake.notify(exception)
end
控制器辅助方法
在 Rails 控制器中,您可以使用 #notify_airbrake 和 #notify_airbrake_sync 辅助方法来手动报告错误。这些方法会自动添加 Rack 环境信息到通知中。
class MyController < ApplicationController
def index
begin
1 / 0
rescue => exception
notify_airbrake(exception)
end
end
end
用户信息报告
Airbrake 能够自动报告当前登录用户的信息(如 id、email、username 等),前提是您使用了如 Devise 这样的认证库。
4. 项目安装方式
Rails 应用程序
在 Rails 应用程序中,您可以通过以下步骤安装和配置 Airbrake:
- 在
Gemfile中添加gem 'airbrake'。 - 运行
bundle install。 - 设置
AIRBRAKE_PROJECT_ID和AIRBRAKE_PROJECT_KEY环境变量。 - 运行
rails g airbrake生成配置文件。
Sinatra 应用程序
在 Sinatra 应用程序中,您可以通过以下步骤安装和配置 Airbrake:
- 在应用程序文件中
require 'airbrake'。 - 配置 Airbrake 通知器。
- 使用
use Airbrake::Rack::Middleware启用 Rack 中间件。
Rack 应用程序
在 Rack 应用程序中,您可以通过以下步骤安装和配置 Airbrake:
- 在应用程序文件中
require 'airbrake'和require 'airbrake/rack'。 - 配置 Airbrake 通知器。
- 使用
use Airbrake::Rack::Middleware启用 Rack 中间件。
通过以上步骤,您可以成功安装并配置 Airbrake,开始捕获和调试应用程序中的异常。
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