Django-Jenkins 项目技术文档
1. 安装指南
从 PyPI 安装
pip install django-jenkins
通过下载源码安装
python setup.py install
使用最新 Git 版本
pip install -e git+git://github.com/kmmbvnr/django-jenkins.git#egg=django-jenkins
pip install coverage
对于 Python 3 用户,该库开箱即用。
2. 项目使用说明
将 django_jenkins 添加到你的 INSTALLED_APPS 列表中。
在 Jenkins 中配置运行以下命令:
./manage.py jenkins --enable-coverage
这将创建一个包含 JUnit XML、Coverage 和 Pylint 报告的 reports/ 目录。
更多细节,请参阅通用教程。
3. 项目API使用文档
以下是与 django-jenkins 相关的设置和任务:
设置
-
PROJECT_APPS如果存在,应为一个列表/元组,包含 Jenkins 要运行的 Django 应用。测试、报告和覆盖率仅为此列表中的应用生成。
-
JENKINS_TASKS./manage.py jenkins命令执行的 Jenkins 报告者列表。默认值:
JENKINS_TASKS = () -
JENKINS_TEST_RUNNER用于启动
jenkins命令的测试套件的类的名称。该类应继承自django_jenkins.runner.CITestSuiteRunner。
报告者
以下是预构建的与 django-jenkins 相关的报告者:
-
django_jenkins.tasks.run_pylint在选定的 Django 应用上运行 Pylint。
特定于任务的设置:
PYLINT_RCFILE -
django_jenkins.tasks.run_pep8在选定的 Django 应用上运行 pep8 工具。为 Jenkins 创建 Pylint 兼容报告。
你需要安装 pep8 python 包(版本 >=1.3)来运行此任务。
特定于任务的设置:
PEP8_RCFILE -
django_jenkins.tasks.run_pyflakes在选定的 Django 应用上运行 Pyflakes 工具。为 Jenkins 创建 Pylint 兼容报告。
你需要安装 Pyflakes python 包来运行此任务。
-
django_jenkins.tasks.run_flake8在选定的 Django 应用上运行 flake8 工具。为 Jenkins 创建 pep8 兼容报告。
你需要安装 flake8 python 包来运行此任务。
4. 项目安装方式
请参考上述安装指南部分。
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。C033
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