Ruby Setup Action 使用教程
1. 项目介绍
ruby/setup-ruby 是一个 GitHub Action,用于下载预构建的 Ruby 并将其添加到 PATH 中。它非常高效,通常只需要大约 5 秒的时间来下载、解压并添加指定的 Ruby 版本到 PATH。这个 Action 支持多种 Ruby 解释器版本,包括 MRI、JRuby 和 TruffleRuby,并且可以在多个操作系统上运行,如 Ubuntu、macOS 和 Windows。
2. 项目快速启动
2.1 安装 Ruby
首先,确保你已经安装了 Ruby。你可以通过以下命令检查是否已经安装了 Ruby:
ruby -v
如果没有安装,你可以使用以下命令通过包管理器安装 Ruby:
# 对于 Debian/Ubuntu
sudo apt-get install ruby-full
# 对于 CentOS/Fedora/RHEL
sudo yum install ruby
# 对于 macOS (使用 Homebrew)
brew install ruby
2.2 配置 GitHub Action
在你的 GitHub 仓库中,创建一个 .github/workflows 目录,并在其中创建一个 .yml 文件,例如 ruby-ci.yml。在这个文件中,添加以下内容:
name: Ruby CI
on: [push, pull_request]
jobs:
test:
runs-on: ubuntu-latest
steps:
- uses: actions/checkout@v4
- uses: ruby/setup-ruby@v1
with:
ruby-version: '3.3' # 指定你需要的 Ruby 版本
bundler-cache: true # 自动运行 'bundle install' 并缓存安装的 gems
- run: bundle exec rake
2.3 运行 GitHub Action
提交并推送你的更改,GitHub Action 将会自动运行并安装指定的 Ruby 版本,然后执行 bundle exec rake 命令。
3. 应用案例和最佳实践
3.1 多版本 Ruby 测试
在开发过程中,你可能需要测试你的代码在不同版本的 Ruby 上是否兼容。ruby/setup-ruby 支持矩阵测试,你可以在同一个工作流中测试多个 Ruby 版本:
name: Ruby CI
on: [push, pull_request]
jobs:
test:
strategy:
fail-fast: false
matrix:
ruby: ['2.7', '3.0', '3.1', '3.2', '3.3', 'head', 'jruby', 'jruby-head', 'truffleruby', 'truffleruby-head']
runs-on: ubuntu-latest
steps:
- uses: actions/checkout@v4
- uses: ruby/setup-ruby@v1
with:
ruby-version: ${{ matrix.ruby }}
bundler-cache: true
- run: bundle exec rake
3.2 缓存 Gem 安装
通过设置 bundler-cache: true,ruby/setup-ruby 会自动运行 bundle install 并缓存安装的 gems,从而加快 CI 的速度。
4. 典型生态项目
4.1 Ruby on Rails
Ruby on Rails 是一个流行的 Web 应用框架,使用 ruby/setup-ruby 可以轻松地在 CI 环境中配置和测试 Rails 项目。
4.2 Jekyll
Jekyll 是一个静态站点生成器,使用 ruby/setup-ruby 可以方便地配置和测试 Jekyll 项目。
4.3 Sinatra
Sinatra 是一个轻量级的 Web 应用框架,使用 ruby/setup-ruby 可以快速配置和测试 Sinatra 项目。
通过以上步骤,你可以轻松地在 GitHub Actions 中配置和使用 Ruby,并利用 ruby/setup-ruby 提供的功能来加速你的 CI 流程。
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