Habari 项目技术文档
1. 安装指南
环境要求
在开始安装 Habari 之前,请确保您的服务器满足以下基本要求:
- 支持PHP 5.6 或更高版本
- 支持MySQL 或 PostgreSQL 数据库
- 支持Apache 或 Nginx 服务器
安装步骤
以下是基本的安装步骤,将 Habari 安装到名为 htdocs
的目录中:
-
克隆 Habari 仓库到您的服务器:
git clone https://github.com/habari/habari.git htdocs
-
初始化并更新
system
子模块:cd htdocs git submodule update --init
-
在浏览器中打开安装页面并按照提示完成安装。
2. 项目的使用说明
Habari 是一个功能完整的网站,您可以直接克隆或派生并自定义。安装完成后,您可以通过以下步骤开始使用:
-
配置数据库:在安装过程中,系统会提示您输入数据库信息,包括数据库类型、数据库地址、数据库名称、用户名和密码。
-
创建管理员账户:安装过程中,您需要创建一个管理员账户,用于管理网站内容和设置。
-
开始写作:登录后,您可以开始撰写文章、创建页面和管理评论。
-
自定义主题和插件:通过 Habari 的插件和主题系统,您可以轻松地自定义网站的外观和功能。
3. 项目API使用文档
Habari 提供了一个强大的插件系统,可以通过 API 进行扩展。以下是 API 使用的基本文档:
-
插件钩子(Hooks):Habari 使用钩子机制来允许插件在特定事件发生时执行代码。例如,
habari_after_load
在 Habari 完成加载后触发。 -
过滤器(Filters):过滤器允许您修改即将发送到客户端的数据。例如,
text_filter
可以用来处理文章内容。 -
插件事件(Events):插件可以订阅特定事件并执行相应的动作,例如
user_login
。 -
数据库访问:插件可以通过 Habari 的数据库抽象层访问数据库,使用
DB::query
等函数执行SQL查询。
4. 项目安装方式
除了基本的克隆和子模块更新方式,您还可以通过以下方式安装和管理 Habari:
-
通过包管理器:可以使用如 Composer 的包管理器来安装 Habari 和其插件。
-
通过版本控制系统:如果您已经有了 Habari 的副本,可以通过版本控制系统(如 Git)来更新您的副本。
-
通过 Habari Wiki: Habari 的官方 Wiki 提供了更多详细信息和安装方法,您可以参考 Habari Wiki 获取更多信息。
请确保遵循以上指南进行安装和使用,以充分利用 Habari 的功能。
GLM-4.6
GLM-4.6在GLM-4.5基础上全面升级:200K超长上下文窗口支持复杂任务,代码性能大幅提升,前端页面生成更优。推理能力增强且支持工具调用,智能体表现更出色,写作风格更贴合人类偏好。八项公开基准测试显示其全面超越GLM-4.5,比肩DeepSeek-V3.1-Terminus等国内外领先模型。【此简介由AI生成】Jinja00- DDeepSeek-V3.2-ExpDeepSeek-V3.2-Exp是DeepSeek推出的实验性模型,基于V3.1-Terminus架构,创新引入DeepSeek Sparse Attention稀疏注意力机制,在保持模型输出质量的同时,大幅提升长文本场景下的训练与推理效率。该模型在MMLU-Pro、GPQA-Diamond等多领域公开基准测试中表现与V3.1-Terminus相当,支持HuggingFace、SGLang、vLLM等多种本地运行方式,开源内核设计便于研究,采用MIT许可证。【此简介由AI生成】Python00
GLM-V
GLM-4.5V and GLM-4.1V-Thinking: Towards Versatile Multimodal Reasoning with Scalable Reinforcement LearningPython00ops-transformer
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。C++0107AI内容魔方
AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。02Spark-Chemistry-X1-13B
科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00GOT-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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile010
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选









