Tools on ifanticの小屋

Cloudpaste部署——在线剪贴板、图床、文件中转站

Sun, 22 Jun 2025 15:17:31 +0800

随便写写 ~ 项目在下面：

CloudPaste - 在线剪贴板 📋

基于 Cloudflare 的在线剪贴板和文件分享服务，支持 Markdown 编辑和文件上传

JavaScript

✨ 特点

📝 Markdown 编辑与分享

强大的编辑器：集成 Vditor，支持 GitHub 风格的 Markdown、数学公式、流程图、思维导图等
安全分享：内容可设置访问密码保护
灵活时效：支持设置内容过期时间
访问控制：可限制最大查看次数
个性化：自定义分享链接及备注
支持文本 Raw 直链：类似 gihub 的 Raw 直链，用于 yaml 配置文件来启动的服务
多格式导出：支持 PDF、Markdown、HTML、PNG 图片、Word 文档导出
便捷分享：一键复制分享链接和生成二维码
自动保存：支持自动保存草稿功能

📤 文件上传与管理

多存储支持：兼容多种 S3 存储服务 (Cloudflare R2、Backblaze B2、AWS S3 等)
存储配置：可视化界面配置多个存储空间，灵活切换默认存储源
高效上传：通过预签名 URL 直接上传至 S3 存储，多文件上传
实时反馈：上传进度实时显示
自定义限制：单次上传限制和最大容量限制
元数据管理：文件备注、密码、过期时间、访问限制
数据分析：文件访问统计与趋势分析
服务器直传：支持调接口进行文件上传、下载等操作

🛠 便捷的文件/文本操作

统一管理：支持文件/文本创建、删除和属性修改
在线预览：常见文档、图片和媒体文件的在线预览与直链生成
分享工具：生成短链接和二维码，便于跨平台分享
批量管理：文件/文本批量操作与显示

🔄 WebDAV 和挂载点管理

WebDAV 协议支持：通过标准 WebDAV 协议访问和管理文件系统
网络驱动器挂载：支持部分第三方客户端直接挂载
灵活的挂载点：支持创建多个挂载点，连接不同的存储服务
权限控制：精细的挂载点访问权限管理
API 密钥集成：通过 API 密钥授权 WebDAV 访问
大文件支持：自动使用分片上传机制处理大文件
目录操作：完整支持目录创建、上传、删除、重命名等操作

🔐 轻量权限管理

管理员权限控制

系统管理：全局系统设置配置
内容审核：所有用户内容的管理
存储管理：S3 存储服务的添加、编辑与删除
权限分配：API 密钥的创建与权限管理
数据分析：完整的统计数据访问

API 密钥权限控制

文本权限：创建/编辑/删除文本内容
文件权限：上传/管理/删除文件
存储权限：可选择特定的存储配置
读写分离：可设置只读或读写权限
时效控制：自定义有效期（从小时到月）
安全机制：自动失效与手动撤销功能

💫 系统功能

适配性强：响应式设计，适配移动设备和桌面
多语言：中/英文双语界面支持
视觉模式：明亮/暗黑主题切换
安全认证：基于 JWT 的管理员认证系统
离线体验：PWA 支持，可离线使用和安装到桌面

🚀 部署教程

前期准备

在开始部署前，请确保您已准备以下内容：

Cloudflare 账号（必需）
如使用 R2：开通 Cloudflare R2 服务并创建存储桶（需绑定支付方式）
其他 S3 存储服务的配置信息：
- S3_ACCESS_KEY_ID
- S3_SECRET_ACCESS_KEY
- S3_BUCKET_NAME
- S3_ENDPOINT

开始部署

获取 Cloudflare API 令牌

访问 Cloudflare Dashboard
创建新的 API 令牌
选择"编辑 Cloudflare Workers"模板，并添加 D1 数据库编辑权限

获取cloudflare account ID：

配置 GitHub 仓库

Fork 或克隆仓库 https://github.com/ling-drag0n/CloudPaste
进入您的 GitHub 仓库设置
转到 Settings → Secrets and variables → Actions → New Repository secrets
添加以下 Secrets：

Secret 名称	必需	用途
`CLOUDFLARE_API_TOKEN`	✅	Cloudflare API 令牌（需要 Workers、D1 和 Pages 权限）
`CLOUDFLARE_ACCOUNT_ID`	✅	Cloudflare 账户 ID
`ENCRYPTION_SECRET`	❌	用于加密敏感数据的密钥（如不提供，将自动生成）

后端部署：

然后按照同样的步骤，部署前端：

后端部署完成后，在cloudflare pages里查看后端地址：

复制地址，回到前端 Cloudflare Pages 控制面板设置环境变量：

名称：VITE_BACKEND_URL
值：刚刚部署的后端 Worker URL（如 https://cloudpaste-backend.your-username.workers.dev），末尾不带"/", 同时建议使用自定义的 worker 后端域名。
一定要完整的填写后端域名, https://xxxx.com 格式

重要步骤：随后要再次运行一遍前端的工作流，以便完成后端域名加载！！！

⚠️ 安全提示：请在系统初始化后立即修改默认管理员密码（用户名: admin, 密码: admin123）。

R2 API 相关获取及跨域配置

登录 Cloudflare Dashboard
点击 R2 存储，创建一个存储桶
创建 API 令牌

创建后把全部数据都保存好，后续要填写密钥ID和密钥
配置跨域规则：点击对应存储桶，点击设置，编辑 CORS 策略，如下所示：

1[
2  {
3    "AllowedOrigins": ["http://localhost:3000", "https://根据自己的前端域名来替代"],
4    "AllowedMethods": ["GET", "PUT", "POST", "DELETE", "HEAD"],
5    "AllowedHeaders": ["*"],
6    "ExposeHeaders": ["ETag"],
7    "MaxAgeSeconds": 3600
8  }
9]

注意！！！

编辑 CORS 策略那一块的前端域名最后不能有 /，否则跨域配置会失败！我配置报错查了好久都没查到什么原因，最后莫名把反斜杠去掉就好了。

最后在管理页配置一下s3存储和挂载，就可以当文件中转站使用啦！

Gemini 负载均衡代理搭配 Cherry Studio

Wed, 09 Apr 2025 10:51:31 +0800

部署 Gemini 代理

🚀 Gemini 代理服务

本项目是一个基于 FastAPI 框架开发的高性能、易于部署的Gemini OpenAI兼容和 Gemini API 代理服务。它不仅兼容 OpenAI 的 API 接口，还支持 Google 的 Gemini 原生接口。该代理服务内置了多 API Key 轮询、负载均衡、自动重试、访问控制（Bearer Token 认证）、流式响应等功能，旨在简化 AI 应用的开发和部署流程。

Python

复制space空间

修改 visibility 为 Public(一定注意修改成public，不然访问不到会报错)，配置 ALLOWED_TOKENS 和 API_KEYS。其余配置默认不用修改。

ALLOWED_TOKENS 格式为["自定义apikey"]，注意中括号、逗号和引号都有严格遵循。这个变量是对API的访问鉴权。
API_KEYS 格式为单个key的形式：["gemini_key1"]；多个key的形式["gemini_key1","gemini_key2"]。注意中括号、逗号和引号都有严格遵循。这里填的就是在谷歌控制台创建的apikey。
BASE_URL 保持默认

耐心等待一下。部署成功后，会出现running状态

这时该huggingface服务的默认host为 huggingface用户名-gemini-balance.hf.space，比如上面的是 snailyp-gemini-balance.hf.space
注意：huggingface服务48h不使用会进入sleeping,建议通过青龙面板或者uptime kuma等定时任务进行保活。（直接用get请求调用 https://用户名-gemini-balance.hf.space 即可）
支持端点 /hf/v1/models 和 /hf/v1/chat/completions

Cherry Studio

在这里下载Cherry Studio的客户端。

比较有用的是知识库的功能。那么要怎么用呢？

知识库配置：硅基流动 Embedding

点击这里注册账号。

无论用什么注册到后面都是要绑定手机号的，所以推荐直接绑手机即可。

然后左边栏下滑，创建一个apikey：

回到模型广场，用筛选器能看到有四个免费的嵌入模型，最推荐的中文处理模型是 BAAI/bge-large-zh-v1.5 和 BAAI/bge-m3。

然后到 Cherry Studio 添加嵌入模型。

搭配 Gemini 使用知识库

我这里以 cherry studio 的文档为例，添加站点地图docs.cherry-ai.com/sitemap-pages.xml

注意，站点地图只支持 xml 路径！稍等一会，显示绿勾就是处理完成了.

再添加一个模型，类型就选默认的 OpenAI 即可。

API地址填 HuggingFace 代理的host地址，也就是上面所说的 huggingface用户名-gemini-balance.hf.space。
API密钥填你上面部署时配置的 ALLOWED_TOKENS 。

检查连接：

左上角进入对话，选择创建好的模型：

选择你创建好的知识库：

只要是在知识库里能检索到的信息AI就会引用回答，还会标出参考来源。

目前 gemini-2.0-flash-exp-search 支持联网。虽然它没显示联网图标

MCP 使用

初次使用时需要在设置中安装MCP相关环境的环境依赖（需科学网络）：

直接安装即可。如若安装不了，可以参考官方文档，查看以下路径查看是否有配置文件：

Windows: C:\Users\用户名\.cherrystudio\bin

macOS，Linux: ~/.cherrystudio/bin

如果没有对应目录，需要手动建立。然后下载可执行文件放到这个目录下面：

Bun: https://github.com/oven-sh/bun/releases
UV: https://github.com/astral-sh/uv/releases

重新进入 MCP 服务器界面，看到小绿勾就说明环境依赖配置成功了：

调用cherry自带的 fetch MCP 服务器试一下：

不过注意：上面部署的 Gemini 代理的 OpenAI 格式的api有时会不支持对tools的调用，要换成 Gemini 格式的api；而且有时候回答着突然阻断了。换成 Gemini 格式的api其实就是把 OpenAI 格式的api地址后面的 /hf/v1 删掉就行了，比如 OpenAI 格式的api地址是 https://username-gemini-balance.hf.space/hf/v1/chat/completions，那么 Gemini 格式的api地址就是 https://username-gemini-balance.hf.space/chat/completions。至于阻断，好像没有太好的解决方法。

再推荐一个谷歌搜索的 MCP 服务器（需要代理）：

G-Search MCP

A powerful MCP server for Google search that enables parallel searching with multiple keywords simultaneously.

TypeScript

如果开了代理还是搜索失败的话，可以让 AI 打开搜索的 debug 模式，然后就可以看到浏览器搜索过程了。

补充

参考链接：

Cherry Studio 自定义字体设置：

src: url('file://D:/user/Cherry Studio/LXGWWenKaiTC-Regular.ttf') 改为自己电脑上霞鹜文楷字体

 1@font-face {
 2    font-family: 'LXGWWenKaiTC-Regular';
 3    src: url('file://D:/user/Cherry Studio/LXGWWenKaiTC-Regular.ttf') format('truetype');/*此处改为自己电脑上霞鹜文楷字体的安装路径*/
 4    font-weight: normal;
 5    font-style: normal;
 6    font-display: swap;
 7    unicode-range: U+4E00-9FFF /* 扩展CJK字符范围 */
 8}
 9
10/* 强制全局应用字体 */
11*,
12*::after {
13    font-family: 
14        'LXGWWenKaiTC-Regular',                    /* 西文字体 可更换*/
15        'LXGWWenKaiTC-Regular',       /* 中文字体 可更换*/
16        sans-serif !important;       /* 强制覆盖所有样式 */
17}
18
19/* 单独设置等宽字体 */
20code, pre, kbd, samp, tt {
21    font-family: 
22        Consolas,
23        Monaco,
24        'Andale Mono',
25        'Ubuntu Mono',
26        monospace !important;
27}
28
29/* 覆盖表单元素 */
30input, button, textarea, select {
31    font-family: inherit !important;
32}

还有更多好玩的用法就自己探索啦~

使用HuggingFace部署FileCodeBox

Mon, 24 Feb 2025 16:38:34 +0800

项目地址：

https://github.com/vastsa/FileCodeBox

前期准备：

一个cloudflare账号
一个huggingface账号

创建`dockerfile`

注册好huggingface后，点击头像新建一个空间：

选择用docker部署：

然后划到最底，点击左下角的Create Space，新建一个dockerfile

填入以下内容，然后点击Commit new file to main

 1FROM lanol/filecodebox:beta
 2
 3RUN apt-get update && apt-get install -y \
 4    python3-pip \
 5    git \
 6    && rm -rf /var/lib/apt/lists/*
 7
 8RUN pip3 install --no-cache-dir huggingface_hub datasets
 9
10RUN useradd -m -u 1000 user
11
12WORKDIR /app
13
14ENV HOME=/home/user \
15    PATH=/home/user/.local/bin:$PATH \
16    HF_HOME=/app/data/hf_cache \
17    PYTHONUNBUFFERED=1
18
19RUN mkdir -p /app/data && \
20    chown -R user:user /app/data
21
22COPY sync_data.sh /app/
23RUN chmod +x /app/sync_data.sh && \
24    chown user:user /app/sync_data.sh
25
26USER user
27
28EXPOSE 12345
29
30ENTRYPOINT ["/app/sync_data.sh"]

创建`sync_data.sh`文件

  1#!/bin/bash
  2
  3# 检查环境变量
  4if [ -z "$HF_TOKEN" ] || [ -z "$DATASET_ID" ]; then
  5    echo "Starting without backup functionality - missing HF_TOKEN or DATASET_ID"
  6    exec python main.py
  7fi
  8
  9# 登录HuggingFace (使用环境变量方式避免交互问题)
 10export HUGGING_FACE_HUB_TOKEN=$HF_TOKEN
 11
 12# 同步函数
 13sync_data() {
 14    while true; do
 15        echo "Starting sync process at $(date)"
 16        
 17        # 创建临时压缩文件
 18        cd /app
 19        timestamp=$(date +%Y%m%d_%H%M%S)
 20        backup_file="backup_${timestamp}.tar.gz"
 21        
 22        tar -czf "/tmp/${backup_file}" data/
 23        
 24        python3 -c "
 25from huggingface_hub import HfApi
 26import os
 27def manage_backups(api, repo_id, max_files=50):
 28    files = api.list_repo_files(repo_id=repo_id, repo_type='dataset')
 29    backup_files = [f for f in files if f.startswith('backup_') and f.endswith('.tar.gz')]
 30    backup_files.sort()
 31    
 32    if len(backup_files) >= max_files:
 33        files_to_delete = backup_files[:(len(backup_files) - max_files + 1)]
 34        for file_to_delete in files_to_delete:
 35            try:
 36                api.delete_file(path_in_repo=file_to_delete, repo_id=repo_id, repo_type='dataset')
 37                print(f'Deleted old backup: {file_to_delete}')
 38            except Exception as e:
 39                print(f'Error deleting {file_to_delete}: {str(e)}')
 40try:
 41    api = HfApi()
 42    api.upload_file(
 43        path_or_fileobj='/tmp/${backup_file}',
 44        path_in_repo='${backup_file}',
 45        repo_id='${DATASET_ID}',
 46        repo_type='dataset'
 47    )
 48    print('Backup uploaded successfully')
 49    
 50    manage_backups(api, '${DATASET_ID}')
 51except Exception as e:
 52    print(f'Backup failed: {str(e)}')
 53"
 54        # 清理临时文件
 55        rm -f "/tmp/${backup_file}"
 56        
 57        # 设置同步间隔
 58        SYNC_INTERVAL=${SYNC_INTERVAL:-7200}
 59        echo "Next sync in ${SYNC_INTERVAL} seconds..."
 60        sleep $SYNC_INTERVAL
 61    done
 62}
 63
 64# 恢复函数
 65restore_latest() {
 66    echo "Attempting to restore latest backup..."
 67    python3 -c "
 68try:
 69    from huggingface_hub import HfApi
 70    import os
 71    
 72    api = HfApi()
 73    files = api.list_repo_files('${DATASET_ID}', repo_type='dataset')
 74    backup_files = [f for f in files if f.startswith('backup_') and f.endswith('.tar.gz')]
 75    
 76    if backup_files:
 77        latest = sorted(backup_files)[-1]
 78        api.hf_hub_download(
 79            repo_id='${DATASET_ID}',
 80            filename=latest,
 81            repo_type='dataset',
 82            local_dir='/tmp'
 83        )
 84        os.system(f'tar -xzf /tmp/{latest} -C /app')
 85        os.remove(f'/tmp/{latest}')
 86        print(f'Restored from {latest}')
 87    else:
 88        print('No backup found')
 89except Exception as e:
 90    print(f'Restore failed: {str(e)}')
 91"
 92}
 93
 94# 主程序
 95(
 96    # 尝试恢复
 97    restore_latest
 98    
 99    # 启动同步进程
100    sync_data &
101    
102    # 启动主应用
103    exec python main.py
104) 2>&1 | tee -a /app/data/backup.log

然后划到最底，点击左下角的Commit new file to main

修改README.md

跟上面创建新文件一样，新建README.md文件，填入：

 1---
 2title: Filebox
 3emoji: 🚀
 4colorFrom: pink
 5colorTo: pink
 6sdk: docker
 7pinned: false
 8app_port: 12345
 9---
10
11Check out the configuration reference at https://huggingface.co/docs/hub/spaces-config-reference

创建dataset数据库

记住你的数据库地址，格式：huggingface用户名称/dataset名称

创建HF-token

划到最底下点击Create token保存并记住你的token

在后台添加环境变量

查看你的dataset 对应填入 DATASET_ID

HF_TOKEN -> #你的token
DATASET_ID -> # 用户名/数据集名称
SYNC_INTERVAL -> # 同步时间（秒钟，推荐填3600）

点击App就能看到你的项目已经运行起来啦！

完成后可以在后端改密码，可外接webdav进行东西存储，重启spaces会拉取dataset数据库中的文件进行同步，不用担心数据丢失啦

1后端地址：/#/admin
2
3后台默认密码：FileCodeBox2023

在cloudflare进行反代

然后划到最底下点击部署

然后点击编辑代码，填入以下内容：

1export default {
2  async fetch(request, env) {
3    const url = new URL(request.url);
4    url.host = '你的地址';  # 注意地址不要有https://
5    return fetch(new Request(url, request))
6  }
7}

查看你项目的地址：

然后点击右边的部署，再在worker的设置里填入自定义域域名，就可以啦！

Tools on ifanticの小屋

Cloudpaste部署——在线剪贴板、图床、文件中转站

✨ 特点

📝 Markdown 编辑与分享

📤 文件上传与管理

🛠 便捷的文件/文本操作

🔄 WebDAV 和挂载点管理

🔐 轻量权限管理

管理员权限控制

API 密钥权限控制

💫 系统功能

🚀 部署教程

前期准备

开始部署

获取 Cloudflare API 令牌

配置 GitHub 仓库

R2 API 相关获取及跨域配置

Gemini 负载均衡代理搭配 Cherry Studio

部署 Gemini 代理

Cherry Studio

知识库配置：硅基流动 Embedding

搭配 Gemini 使用知识库

MCP 使用

补充

使用HuggingFace部署FileCodeBox

创建dockerfile

创建sync_data.sh文件

修改README.md

创建dataset数据库

创建HF-token

在后台添加环境变量

在cloudflare进行反代

创建`dockerfile`

创建`sync_data.sh`文件