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。
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-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