Brooklyn 网站与文档项目技术文档
1. 安装指南
1.1 工作站设置
-
克隆仓库:首先,克隆
brooklyn仓库及其子项目,并按照 [提交者指南][COMMIT] 设置远程仓库。 -
安装 Ruby 和 RVM:项目使用 Jekyll 处理网站内容,因此需要 Ruby 和 gem。推荐使用 RVM 来管理 Ruby 安装和 gem 集。
curl -sSL https://get.rvm.io | bash -s stable --auto-dotfiles关闭并重新打开终端,进入项目目录。RVM 会根据
Gemfile配置自动配置环境。如果提示缺少 Ruby 版本,按照提示安装相应版本。 -
安装依赖 Gem:
bundle install如果遇到问题,可以参考 [提交者指南][COMMIT] 中的常见问题解决方法。
1.2 构建 PDF 文档(可选)
如果需要构建 PDF 文档,需安装 wkhtmltopdf。可以通过以下命令安装:
sudo apt-get install wkhtmltopdf
2. 项目的使用说明
2.1 查看网站和文档
在项目目录下运行以下命令,启动本地服务器并查看文档:
jekyll serve
服务器启动后,Jekyll 会输出本地访问地址(如 http://localhost:4000/)。修改文件后,Jekyll 会自动重新生成内容。
2.2 项目结构
项目包含两个微型站点:
/website:主网站内容,包括提交者指令、下载说明和“了解更多”页面。/guide:用户指南和特定版本的 Brooklyn 信息,包括代码结构和 API 文档。
其他重要目录:
/style:包含 JS、CSS 和图像资源。/_build:包含构建脚本和配置文件。/_plugins:包含 Jekyll 插件,提供标签和生成逻辑。/_layouts:包含页面使用的 HTML 模板。/_includes:包含模板和页面使用的杂项内容。
2.3 分支管理
/website可以针对任何分支构建,通常从master分支发布。/guide应针对特定分支更新和构建,例如master或0.7.0-M2。
3. 项目 API 使用文档
API 文档通常在 /guide 目录中生成。可以通过以下命令生成 API 文档:
_build/build.sh guide-version
生成的文档将位于 _site/v/<version>/ 目录下。
4. 项目安装方式
项目的安装主要依赖于 Ruby 和 Jekyll。按照 安装指南 中的步骤配置环境后,即可通过 jekyll serve 命令启动本地服务器,或通过 _build/build.sh 脚本进行更复杂的构建和发布操作。
4.1 构建脚本
_build/build.sh 脚本提供了多种构建选项,可以通过以下命令查看帮助:
_build/build.sh help
常用的构建选项包括:
website-root:仅构建网站。guide-latest:构建最新版本的指南。guide-version:构建特定版本的指南。
4.2 发布网站和指南
发布到 Apache 网站需要将生成的 HTML 文件提交到 Apache Subversion 仓库。具体步骤请参考 [提交者指南][COMMIT]。
通过以上文档,您应该能够顺利安装、使用和了解 Brooklyn 网站与文档项目。如有任何问题,请参考项目 Wiki 或联系项目维护者。
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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