Argo CI 使用教程
项目介绍
Argo CI 是一个基于 Kubernetes 的持续集成和部署系统,由 Argo 工作流引擎驱动。它提供了与源代码管理(SCM)的集成(目前仅支持 GitHub),并自动触发使用 Argo YAML DSL 定义的 CI 工作流。Argo CI 可以帮助开发团队在 Kubernetes 集群上实现高效的 CI/CD 流程。
项目快速启动
安装 Argo CI
首先,确保你已经有一个 Kubernetes 集群,并且已经安装了 Helm。然后按照以下步骤安装 Argo CI:
# 添加 Argo Helm 仓库
helm repo add argo https://argoproj.github.io/argo-helm/
# 安装 Argo CI
helm install argo/argo-ci --name argo-ci
配置 GitHub 集成
为了安全原因,Argo CI 的配置 UI 不对外部开放。最简单的方式是通过端口转发来访问:
kubectl port-forward <argo-ci-pod> 8002:8002
然后通过 http://localhost:8002 访问 Argo CI 的 UI。
在 GitHub UI 中创建一个 Webhook,设置 Payload URL 为 http<ArgoCiDomain>/api/webhook/github,Content Type 为 application/json,并设置你的 Secret token 值。
创建和保存构建工作流
在你的项目仓库中创建 argo-ci/ci.yaml 文件,定义你的构建工作流。如果工作流包含名为 revision 和 repo 的参数,Argo CI 将自动为这些参数设置值。
应用案例和最佳实践
案例一:自动化测试和部署
一个常见的应用案例是自动化测试和部署。通过 Argo CI,你可以定义一个工作流,该工作流在每次代码提交时自动运行测试,并在测试通过后自动部署到预生产环境。
案例二:多环境部署
另一个最佳实践是多环境部署。你可以定义不同的工作流,分别用于开发、测试和生产环境的部署。每个工作流可以根据环境的不同进行定制,确保每个环境都能得到适当的配置和资源。
典型生态项目
Argo Workflows
Argo Workflows 是一个 Kubernetes 原生工作流引擎,支持 DAG 和步骤式工作流。它是 Argo CI 的核心组件,负责管理和执行 CI/CD 工作流。
Argo CD
Argo CD 是一个声明式的持续交付工具,提供了一个功能齐全的 UI。它与 Argo CI 集成,可以实现从代码提交到部署的端到端自动化。
Argo Rollouts
Argo Rollouts 提供了高级的 Kubernetes 部署策略,如金丝雀和蓝绿部署。它可以帮助你更安全、更高效地进行应用部署。
Argo Events
Argo Events 是一个基于事件的依赖管理工具,可以与 Argo CI 结合使用,实现更复杂的事件驱动工作流。
通过这些生态项目,Argo CI 可以构建一个完整的 CI/CD 生态系统,满足各种复杂的部署需求。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
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-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
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