Strano 技术文档
Strano 是一个基于 Github 的 Capistrano 部署管理 UI,允许用户通过简洁的 Web 界面运行任何 Capistrano 任务。本文档将详细介绍 Strano 的安装、使用、API 以及配置方法,帮助用户快速上手并深入了解该项目。
1. 安装指南
Strano 是一个基于 Rails 的应用程序,使用 Sidekiq 作为后台任务处理引擎。以下是安装步骤:
-
克隆仓库
首先,从 Github 克隆 Strano 仓库:git clone https://github.com/joelmoss/strano.git -
安装依赖
进入项目目录并运行安装脚本:cd strano script/bootstrap -
启动应用
安装完成后,启动 Rails 应用:bundle exec rails s
注意:Strano 无法在 Heroku 上运行,因为项目仓库需要克隆到应用本地的 vendors/repos 目录中。
2. 项目的使用说明
Strano 的使用非常简单,以下是基本的使用步骤:
-
创建项目
在 Strano 的 Web 界面中,创建一个项目并关联到你的 Github 仓库。Strano 会自动使用仓库中的 Capistrano 配置。 -
运行任务
通过 Web 界面选择并运行 Capistrano 任务。所有任务都会被记录,方便后续查看历史记录。 -
查看历史
在任务历史页面,你可以查看所有任务的执行记录,包括执行人、执行时间和任务详情。
3. 项目 API 使用文档
Strano 目前没有公开的 API 文档,但你可以通过查看源代码或项目 Wiki 来了解其内部 API 的使用方法。如果你有 API 相关的需求,建议直接查看项目的源代码或提交 Issue 进行讨论。
4. 项目配置
Strano 的配置非常简单,只需定义三个必需的配置变量,其余配置可以根据需要进行覆盖。
-
Github Key 和 Secret
创建一个 Github 应用,并将生成的 Key 和 Secret 分别配置为github_key和github_secret。 -
Public SSH Key
为了从 Github 克隆仓库,需要在public_ssh_key中配置一个公钥。 -
配置文件
你可以通过创建config/strano.yml文件或在环境变量中定义这些配置。参考config/strano.example.yml文件了解所有可配置的变量。
5. 后台任务处理
Strano 使用 Sidekiq 处理后台任务。你可以通过以下命令启动 Sidekiq 队列:
bundle exec sidekiq
启动后,你可以通过 http://YOUR-STRANO-APP/sidekiq 监控任务队列。
6. 贡献指南
如果你希望为 Strano 贡献代码,请遵循以下步骤:
- Fork Strano 仓库。
- 创建一个主题分支:
git checkout -b my_branch - 推送你的分支:
git push origin my_branch - 创建一个 Pull Request。
7. 许可证
Strano 采用 MIT 许可证发布,详细信息请参考 MIT 许可证文档。
通过本文档,你应该能够顺利安装、配置并使用 Strano。如果你有任何问题或建议,欢迎通过 Github 提交 Issue 或 Pull Request。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-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