Kellnr 开源项目教程
1、项目介绍
Kellnr 是一个用于 Rust 语言的私有 crate 注册表。它允许用户在自己的硬件上托管和管理 Rust crates,适用于企业环境和家庭实验室。Kellnr 提供了 Web UI 来管理 crates,支持 docs.rs 文档服务,并且可以作为 crates.io 的代理来加速 crate 的下载。Kellnr 是用 Rust 编写的,支持多种数据库(如 SQLite 和 PostgreSQL),并且易于部署,支持 Docker 和 Kubernetes 部署。
2、项目快速启动
2.1 安装 Docker
首先,确保你已经安装了 Docker。如果没有安装,可以按照以下步骤进行安装:
# 安装 Docker
curl -fsSL https://get.docker.com -o get-docker.sh
sudo sh get-docker.sh
2.2 运行 Kellnr
使用 Docker 运行 Kellnr 的命令如下:
docker run -d -p 8000:8000 \
-e "KELLNR_ORIGIN__HOSTNAME=localhost" \
ghcr.io/kellnr/kellnr:5.2
2.3 访问 Web UI
启动后,可以通过浏览器访问 http://localhost:8000 来使用 Kellnr 的 Web UI。
3、应用案例和最佳实践
3.1 企业内部使用
在企业环境中,Kellnr 可以用于托管内部的 Rust crates,确保依赖项的安全性和可控性。通过用户管理功能,可以限制对特定 crates 的访问权限,确保只有授权用户才能使用这些 crates。
3.2 家庭实验室
在家庭实验室中,Kellnr 可以作为一个私有的 Rust 注册表,用于托管个人项目或实验性的 crates。通过 Kellnr 的 Web UI,可以轻松管理这些 crates 的版本和文档。
4、典型生态项目
4.1 SeaORM
SeaORM 是一个异步的 ORM 框架,适用于 Rust 项目。Kellnr 支持多种数据库,包括 PostgreSQL,因此可以与 SeaORM 结合使用,提供强大的数据库支持。
4.2 Crates.io
Kellnr 可以作为 crates.io 的代理,加速 crate 的下载。这对于网络条件不佳的环境尤其有用,可以显著提高开发效率。
4.3 Kubernetes
Kellnr 支持 Kubernetes 部署,可以轻松地在 Kubernetes 集群中运行,提供高可用性和可扩展性。
通过以上模块的介绍,你可以快速了解并开始使用 Kellnr 项目。
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 StartedRust078- 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
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
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
Hy3-previewHy3 preview 是由腾讯混元团队研发的2950亿参数混合专家(Mixture-of-Experts, MoE)模型,包含210亿激活参数和38亿MTP层参数。Hy3 preview是在我们重构的基础设施上训练的首款模型,也是目前发布的性能最强的模型。该模型在复杂推理、指令遵循、上下文学习、代码生成及智能体任务等方面均实现了显著提升。Python00