阅读更多
生活不易,编程苦闷,不如“人为制造”点趣味,让日子过得更加有玩味感。

本文是对“画风清奇!盘点各编程语言中有趣的开源项目”(Go、Python、JavaScript、Shell、Swift、C/C++)进行补全,整理了各编程语言中个人认为比较有意思,也相对实用的一些开源项目。考虑到篇幅,每种语言涉及到的项目不会太多。

一、Ruby
1、Capybara
Capybara 可以通过模拟真实用户与应用程序的交互来帮助你测试 Web 应用。内置 Rack::Test 和 Selenium 支持,也支持其他驱动。通过外部 gem 的形式支持 WebKit 。

Capybara 无需配置,对于 Rails 和 Rack 应用而言,开箱即用。

2、Huginn
Huginn 是雅虎开发的一个系统,可以帮你执行自动化的在线任务。可以阅读网页,关注事件,并采取相应操作。

Huginn 能够通过一个直观的事件流图来展示各种操作和事件。通过在你自己的服务器上的管道加上IFTTT,你就能了解你的数据及行为。

3、Sidekiq
Sidekiq 使用线程在同一进程中同时处理多个作业。它不需要 Rails,但与 Rails 紧密集成,使后台处理变得简单。

Sidekiq 与 Resque 兼容,使用与 Resque 完全相同的消息格式,因此它可以集成到现有的 Resque 处理服务器场中。

4、Pry
Pry,是一个用于 Ruby 的强大的可替代标准 IRB shell 的工具,也是运行时开发者控制台。

Pry 可以查看源代码、浏览文档,具有在线帮助系统、语法高亮、集成 Gist 等特性,并拥有强大而灵活的命令行系统。

二、Lua
1、Telize
Telize 是一个基于 Nginx 和 Lua 构建的 REST API,允许根据 IP 地址查询所在地区信息。输出 JSON 封装的 IP 地理位置信息,支持 JSON 和 JSONP。

2、Pegasus.lua
Pegasus.lua 是一个用来处理以 Lua 语言编写的 Web 应用程序的 Http 服务器。

Pegasus.lua 兼容 Linux、Mac 和 Windows 系统,提供对 HTTP Streaming 的原生支持,使用“gzip”方法压缩响应 Native 插件,API 十分简单。

3、OpenResty 
OpenResty 是一个全功能的 Web 应用服务器。它打包了标准的 Nginx 核心,很多的常用的第三方模块,以及它们的大多数依赖项。

OpenResty 旨在帮助开发人员轻松构建可扩展的 Web 应用、Web 服务和动态 Web 网关。

4、KOReader
KOReader 是一个文档查看器,最初是为 Kindle 电子水墨阅读器而创建的。目前可以运行在 Kindle、Kobo、PocketBook、Ubuntu Touch 和 Android(2.3+)的设备上。

KOReader 支持 PDF、DjVu、EPUB、FB2 等多种格式,自带高度可定制的阅读器视图和排版,多语言用户界面。

三、Rust
1、Alacritty
Alacritty 是一个跨平台、GPU 增强的终端模拟器,可以简单地实现在其他模拟器中不可能实现的优化。

Alacritty 目前支持 macOS 和 Linux,并且计划在1.0版本之前提供对 Windows 的支持。

2、Diesel
Diesel 是一个安全可扩展的 ORM 框架和查询构建工具。Diesel 可避免运行时错误,提供最好的性能。

Diesel 摆脱了数据库交互的样板,并在不牺牲性能的情况下解决了运行时的错误。它充分利用 Rust 的类型系统来构建一个低开销的查询构建器。

3、Xi Editor
Xi Editor 是 Google 开源的一款文本编辑器,最初是为 Mac OS X 构建的,使用 Cocoa 作为用户界面,已有计划适配其它平台。

Xi Editor 性能强大,所有编辑操作都可以在 16ms 之内完成提交并处理,界面美观,完全支持 Unicode。且开发友好,容易定制。

四、Erlang
1、Cowboy 
Cowboy 是一款简洁、高效、快速、现代、模块化的 HTTP 服务器。

Cowboy 旨在一个小代码库中提供一个完整的 HTTP 栈。它针对低延迟和低内存使用进行了优化,部分原因是它使用二进制字符串。

2、emqttd 
emqttd(EMQ)是全面支持 MQTT V3.1.1 协议,支持集群和大规模连接的开源 MQTT 消息服务器。

emqttd 致力于发布一个基于 Erlang/OTP 语言平台,企业级稳定可靠,完全开源免费,可集群支持大规模物联网、移动互联网连接的 MQTT 消息服务器。

3、MongooseIM
MongooseIM 是针对大型 XMPP 的即时聊天服务器,专为企业而设计。它可以利用多个集群机器的资源,并能轻松扩展需要的更多容量。

MongooseIM 可以通过 vanilla XMPP、Websockets、HTTP long-polling 和 REST API 接受客户端会话,自带了服务器端组件和客户端库。

4、PropEr
PropEr 是一款受 QuickCheck 启发,基于 property 的测试工具,可用于 Erlang 程序的自动化、半随机的测试。

PropEr 的功能侧重于纯测试,它配备了两个模块库,可用于测试有状态代码。
  • 大小: 117.7 KB
  • 大小: 40.7 KB
  • 大小: 279.7 KB
  • 大小: 54 KB
  • 大小: 5.9 KB
  • 大小: 24.3 KB
  • 大小: 124.4 KB
  • 大小: 9.4 KB
  • 大小: 6.8 KB
  • 大小: 164.2 KB
  • 大小: 136.9 KB
  • 大小: 57.7 KB
  • 大小: 66.9 KB
  • 大小: 37.2 KB
来自: oschina
0
0
评论 共 0 条 请登录后发表评论

发表评论

您还没有登录,请您登录后再发表评论

相关推荐

  • 画风清奇!盘点各编程语言中有趣的开源项目!

    本文参考了一些项目推荐,整理了一些编程语言中个人认为比较有意思,也相对实用的开源项目,每个语言列的都不多,感兴趣的有空可以试试看。 一、Go 1、Gobot Gobot 是一个机器人、无人机和物联网框架,提供在同一...

  • 盘点各编程语言中有趣的开源项目!

    盘点各编程语言中有趣的开源项目!】 生活不易,编程苦闷,不如“人为制造”点趣味,让日子过得更加有玩味感。 本文参考了一些项目推荐,整理了一些编程语言中个人认为比较有意思,也相对实用的开源项目,每个语言...

  • 谷歌年度AI技术总结来了!Jeff Dean执笔,附赠27个开源工具和数据大礼包

    杨净 梦晨 发自 凹非寺量子位 报道 | 公众号 QbitAIJeff Dean亲笔盘点谷歌AI研究成果,已经成了一年一度的保留节目。今年也不例外,还是他抽出一部分假期时间完成的。过去一年...

  • 搞算法的仙女妹子,爱了!!

    今天这篇文章不谈技术,给大家分享一些干货!首先来聊聊一个AI圈子里画风清奇的公众号夕小瑶的卖萌屋。公号的作者中不仅妹子居多,颜值能打,而且喜欢将学术研究和大厂业务上线中的收获与读者分享。...

  • 怒写400篇AI文章!这群妹子卷疯了…

    首先来聊聊一个AI圈子里画风清奇的公众号夕小瑶的卖萌屋。公号的作者中不仅妹子居多,颜值能打,而且喜欢将学术研究和大厂业务上线中的收获与读者分享。卖萌屋的作者们就读或毕业于北大、中科院、北邮、蒙特利尔大学...

  • 盘点庚子年里,火到出圈的人工智能应用

    论文地址: https://arxiv.org/abs/2007.13575 五分钟换脸,演绎神曲 前段时间,小破站上技能满分的 Up 主们,利用「first order motion 一阶运动模型」的 AI 换脸项目,生成了各种各样画风清奇的视频。 让张学友、...

  • 七个算法小仙女,写出一本1200页的深度学习技术手册!(限时公开下载)

    首先来聊聊一个AI圈子里画风清奇的公众号夕小瑶的卖萌屋。公号的作者中不仅妹子居多,颜值能打,而且喜欢将学术研究和大厂业务上线中的收获与读者分享。卖萌屋的作者们就读或毕业于北大、中科院、北邮、蒙特利尔大学...

  • 过分了,这些算法妹子们肝了一本1200页的AI全栈技术手册

    首先来聊聊一个AI圈子里画风清奇的公众号夕小瑶的卖萌屋。公号的作者中不仅妹子居多,颜值能打,而且喜欢将学术研究和大厂业务上线中的收获与读者分享。卖萌屋的作者们就读或毕业于北大、中科院、北邮、蒙特利尔大学...

  • 重温初见木兰的那个战场

    太平洋时间 1 月 15 号下午,刷头条瞄到中国青年报新闻《我国自主开发的编程语言“木兰”正式发布》一文,兴奋不已,想着”难道 2020 年会成为国产编程语言元年么?“,没搜到官网和文档,就在知乎发了问题《「木兰...

  • 【AI简报20210820期】Apollo“汽车机器人” 具备L5级自动驾驶能力、树莓派DIY智能无臭猫便盆...

    有趣的开源项目 1.【轻量化检测网络】YOLO-FastestV2:更快,更轻!移动端高达300 FPS!参数量仅250k | CVer 原文: https://zhuanlan.zhihu.com/p/400474142 YOLO-FastestV2项目链接: ...

  • 我改变世界、我已看透、我不再是个程序员-IT创世诸神如是说

    代码是没有二义性的,话说的再怎么动听,到了show me the code环节也都会原形毕露。 提到IT名人的语录,咱们读者们可能首先想到的都是们国内科技企业的掌门人的名言了,虽算不上什么创世神,但是各种言论在网络上...

  • GTC 2019,英伟达和它叫不醒的To B梦

    在极度商业化的今天,科技的进步与企业的名字一定是分不开的。每当我们想要盘点一下AI时代的幸运儿,“英伟达”绝对会自然而然地第一个出现。原因可能是,它就像通讯时代的AT&a...

  • 基于Django花卉商城系统的设计与实现-2885fb37-.zip

    基于Django花卉商城系统的设计与实现_2885fb37--.zip

  • 102页-智慧农业解决方案.pdf

    智慧农业,作为现代农业的新篇章,正引领着农业生产的革命性变革。本解决方案以物联网、云计算、大数据等先进技术为核心,为农业生产打造了一套全面、智能的管理系统。 想象一下,从温室大棚到广袤田野,智能传感器遍布每个角落,它们能实时感知空气温湿度、土壤水分、光照强度等环境参数,仿佛为农作物装上了“眼睛”和“耳朵”。这些数据通过物联网技术传输到云端,经过大数据分析,为农民提供精准的种植建议,如何时灌溉、施肥、防虫,让农业生产变得更加科学、高效。 更有趣的是,通过智慧农业平台,农民可以远程监控作物生长情况,甚至用手机就能控制温室大棚的遮阳板、通风设备等,实现“指尖上的农业”。此外,方案还包含了农产品可追溯系统,从田间到餐桌,每一步都可追溯,让消费者吃得放心。而智慧农业电商平台,则让农产品销售更加便捷,农民直接对接市场,收益倍增。 总之,这套智慧农业解决方案不仅让农业生产变得更加智能、高效,还提升了农产品的质量和安全,为农民带来了实实在在的收益,开启了农业现代化的新篇章。 对于想要投身智慧农业领域的你来说,这不仅仅是一套解决方案,更是一把开启现代农业大门的钥匙,引领你走向更加辉煌的未来。

  • 【人工智能模型部署】DeepSeek本地部署与WebUI可视化:环境搭建、模型启动及界面开发指南文档的主要内容

    内容概要:本文档详细介绍了DeepSeek本地部署与WebUI可视化的一般步骤。本地部署方面,涵盖了环境准备(硬件要求如多核CPU、8GB以上内存或带适当显存的NVIDIA GPU,软件环境涵盖操作系统如Ubuntu 20.04及以上版本、Python环境及依赖库如PyTorch或TensorFlow)、获取DeepSeek模型代码和权重(通过官方仓库克隆代码,从指定渠道下载权重)、模型配置与启动(配置模型参数,运行启动脚本以初始化模型和服务)。WebUI可视化部分则推荐了Streamlit和Gradio两种框架,介绍了它们的安装、使用方法(通过编写脚本调用DeepSeek API构建交互界面),以及集成与部署(确保WebUI与模型服务之间的数据正确传递,在本地运行后可通过浏览器访问)。 适合人群:对深度学习模型部署有一定了解的技术人员,尤其是那些希望将DeepSeek模型应用于本地环境并提供用户友好界面的研发人员。 使用场景及目标:①为希望在本地环境中运行DeepSeek模型的研究者或开发者提供详细的部署指南;②帮助用户快速搭建一个带有图形化操作界面的DeepSeek应用,降低使用门槛,提高用户体验。 阅读建议:在阅读时,应根据自己的操作系统环境和硬件条件调整相应的配置要求,同时注意按照官方文档的具体指引操作,确保各组件版本兼容,以便顺利完成部署和可视化工作。

  • MISRA C 2014和MISRA CPP 2008版本

    MISRA C 2014和MISRA CPP 2008版本

  • Revit2024二次开发之安装Addin

    Revit2024二次开发之安装Addin

  • ai应用文生视频大模型及AI人应用方案设计.docx### 文生视频大模型及AI人应用方案总结

    内容概要:本文详细介绍了文生视频大模型及AI人应用方案的设计与实现。文章首先阐述了文生视频大模型的技术基础,包括深度生成模型、自然语言处理(NLP)和计算机视觉(CV)的深度融合,以及相关技术的发展趋势。接着,文章深入分析了需求,包括用户需求、市场现状和技术需求,明确了高效性、个性化和成本控制等关键点。系统架构设计部分涵盖了数据层、模型层、服务层和应用层的分层架构,确保系统的可扩展性和高效性。在关键技术实现方面,文章详细描述了文本解析与理解、视频生成技术、AI人交互技术和实时处理与反馈机制。此外,还探讨了数据管理与安全、系统测试与验证、部署与维护等重要环节。最后,文章展示了文生视频大模型在教育、娱乐和商业领域的应用场景,并对其未来的技术改进方向和市场前景进行了展望。 适用人群:具备一定技术背景的研发人员、产品经理、数据科学家以及对AI视频生成技术感兴趣的从业者。 使用场景及目标:①帮助研发人员理解文生视频大模型的技术实现和应用场景;②指导产品经理在实际项目中应用文生视频大模型;③为数据科学家提供技术优化和模型改进的思路;④让从业者了解AI视频生成技术的市场潜力和发展趋势。 阅读建议:本文内容详尽,涉及多个技术细节和应用场景,建议读者结合自身的专业背景和技术需求,重点阅读与自己工作相关的章节,并结合实际项目进行实践和验证。

Global site tag (gtag.js) - Google Analytics