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。
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~052CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-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。00openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!C0331- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选









