Apache Yetus 技术文档
1. 安装指南
Apache Yetus 提供了两种安装方式:Docker 容器和直接在操作系统上安装。
Docker 容器安装
-
运行以下命令启动包含所有项目依赖项的 Docker 容器,并创建一个工作的构建环境:
./start-build-env.sh -
在容器内构建项目:
mvn clean install
直接在操作系统上安装
-
确保安装了 Maven。
-
运行以下命令构建项目:
mvn clean install -
若要构建并签署内容,请运行:
mvn clean install -Papache-release -
若在操作系统外部构建,并且需要通知系统使用
gpg2而不是gpg,请运行:mvn clean install -Papache-release -Pgpg2 -
若要构建但跳过签署,请运行:
mvn clean install -Papache-release -Dgpg.sign=skip
构建完成后,构件将位于 yetus-dist/target/artifacts 或准备进行 mvn deploy。
2. 项目使用说明
Apache Yetus 是一组库和工具的集合,用于支持软件项目的贡献和发布过程。以下是其主要组件:
-
Website source: 持有项目文档,并通过项目网站展示。
-
Precommit: 提供用于处理贡献的强大工具,包括从各种项目源应用补丁,并通过插件系统评估它们是否符合项目规范。查看 precommit 概述 以开始使用 precommit。
-
Audience Annotations: 允许项目使用 Java 注解来区分 API 的公共和非公共部分。它还提供了 doclets 来生成按目标受众筛选的 javadocs。目前支持 Maven 3.2.0+。
-
Shelldocs: 处理 Bash 函数上的注释,提供类似于 Javadoc 的注解。还包括类似于 Audience Annotations doclet 的内置受众范围功能。
-
Release Doc Maker: 分析 Jira 和 Git 信息以生成 Markdown 格式的发行说明。
-
yetus-maven-plugin: 构建一个 maven 插件,提供一些不常见的 maven 要求(如符号链接)的实用工具,以及 Apache Yetus 功能的一些 maven 化版本。
3. 项目API使用文档
Apache Yetus 的各个组件提供了丰富的 API,以下是一些使用示例:
- Precommit: 通过插件系统与项目的贡献过程集成。
- Audience Annotations: 使用 Java 注解来标注 API 的可见性。
- Shelldocs: 使用 Bash 函数注释生成文档。
- Release Doc Maker: 通过分析 Jira 和 Git 数据生成发行说明。
4. 项目安装方式
项目的安装方式已在“安装指南”部分详细说明,支持 Docker 容器和直接在操作系统上安装。请根据实际需求选择合适的安装方式。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C036
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
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C00
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-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
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