@wenathlan/saddle 1.8.16 → 1.8.18

package/docs/talks7/user-03.md

@@ -1,105 +0,0 @@
-# user
-
-[•] A memória RAM, VRAM, GPU, VGPU, VM, VF, vcpu  cpu, emulador, emulador virtual,  SRAM, vSRAM, DRAM, vDRAM, emulador vitual de hardware, emulador vitual de hardware, virtual machine, arquivo virtual, memória virtual e armazenamento deve ser usada para executar sandboxes, Linux, Docker, terminais, scripts, binários, containers, dockers, sandboxes, processos, pacotes, bibliotecas, projetos, frameworks, ferramentas, repos, plataformas, pacotes, e etc, usando todos esses recusos para executar (processar), integrar (entre si), guardar (armazenar para ram ou armazenamento ou entre si), ou todos ao mesmo tempo para integrar, guardar, e executar, o armazenamento (scripts, codigo arquivos e etc) de tudo isso ficara alocados nos repos e plataforma como forejo/gitea/github/modescope/hugginface/kagle/gitlab/npm package/codeberg/vercel/netlify, ( no sentido controle total: pulucados po conta propria nas plataformas) o armazamento de tudo isso ficara alocados nos repos e plataformas,  ( usar a memoria deles pra transformar em ram, ou usar a ram deles própria  (buckets, sandboxes, pipelines, docker) , ou fazer o sistema, projeto, lib que faça isso ou que tenha intergração com todas essa posiblidades e  feature (npm, publish/deploy no repos/vercel/netlify/ e etc) considere isso para todos os a passos abaixo: 
-
-[•] Verifique se esses recursos podem servir como armazenamento e RAM, de modo separado, simultâneo, unificado ou embutido no mesmo ambiente.
-
-[•] Mostre o passo a passo, os scripts e a implementação usando a memória, os repositórios, os buckets, as pipelines e a infraestrutura disponível.
-
-[•] Pesquise as opções do GitHub, GitLab, Forgejo, Gitea, Codeberg, Hugging Face, Kaggle e ModelScope.
-
-[•] Inclua Drizzle ORM, Prisma SQL, mysql2, ferramentas Node.js, bibliotecas em Python e Rust, além de projetos de código aberto.
-
-[•] Procure um emulador ou runner de memória que transforme o armazenamento e alguns arquivos em uma bridge capaz de funcionar como RAM.
-
-[•] Considere arquivos, pacotes, bibliotecas e repositórios abertos que permitam converter a memória de armazenamento em RAM ou GPU.
-
-[•] Analise um runner, emulador de placa, repositório, bucket, pipeline, Docker, pacote ou todos esses recursos juntos.
-
-[•] Pesquise bibliotecas que convertam o armazenamento físico em um runner de memória virtual.
-
-[•] Una projetos, bibliotecas, pipelines e repositórios do Gitea, Forgejo, Kaggle, ModelScope e Hugging Face para formar uma memória virtual contínua.
-
-[•] Trabalhe com duas frentes: criar uma biblioteca ou projeto próprio e usar códigos, repositórios, soluções ou componentes externos já prontos.
-
-[•] Considere também reunir tudo ao mesmo tempo em um projeto próprio com runner, repositório aberto no GitHub ou GitLab e pacote no NPM.
-
-[•] Use o armazenamento desses repositórios e buckets para converter espaço em RAM e também guardar os projetos.
-
-[•] Considere o pacote NPM porque as CDNs do jsDelivr e esm podem disponibilizar os arquivos para execução a qualquer momento.
-
-[•] Use esses serviços para armazenamento bruto e execução de memória com pacotes, bibliotecas, frameworks, pipelines, projetos próprios e códigos de terceiros.
-
-[•] Verifique a conversão do armazenamento do Drizzle ORM, Prisma e mysql2 em memória ram.
-
-[•] Faça o deploy do runner, código, biblioteca, pacote e arquivos no GitLab, GitHub, Gitea, Forgejo, Hugging Face, ModelScope, Vercel e Netlify.
-
-[•] Faça o sistema full stack da Z.ai funcionar como o original no Linux, com todas as funções e capacidades.
-
-[•] Integre repositórios, pipelines, bibliotecas, projetos, pacotes, frameworks, Docker, Linux, emulador, runner e memória no mesmo sistema.
-
-[•] Considere que o exemplo abaixo roda na minha máquina e usa a memória RAM e o armazenamento local.
-
-[•] Eu tô querendo criar uma plataforma com contêiner e sandbox usando GitHub, GitLab, Forgejo, Gitea, Codeberg e outros repositórios alternativos.
-
-[•] Verifique se é possível colocar uma timeline, uma pipeline e um cron job para cada sandbox criada.
-
-[•] Quando a pessoa abrir uma sandbox, o sistema deve criar um repositório, preparar as pipelines e acioná-las.
-
-[•] A ideia é replicar a infraestrutura da Z.ai para executar Linux, Docker e a própria sandbox.
-
-[•] Compare essa proposta com o Archbox e outros tipos de sandbox disponíveis.
-
-[•] Verifique se dá para usar gratuitamente a infraestrutura dos repositórios no nosso sistema.
-
-[•] Defina uma cota de 8 gigabytes para a memória RAM e outra igual para a memória do sistema.
-
-[•] Mostre os macetes e as possibilidades para fazer essa estrutura funcionar.
-
-[•] Considere os projetos e aplicativos de código aberto, mas use também a infraestrutura gratuita deles na implementação.
-
-[•] Lembre-se de que a mesma memória usada para armazenar arquivos deve servir como RAM; ou seja, o armazenamento vira memória para ler, processar e executar scripts, binários e arquivos, de forma retroativa e vice-versa.
-
-[•] Faça 40 pesquisas, entregue a implementação e crie uma lista profissional com todas as etapas.
-
-[•] Use o trecho do computador apenas como exemplo para entender o contexto; não tente resolver essa parte, isso é um exemplo que roda minha maquina no meu pc com a minha ram, no meu terminal via windows:
-
-
-
-```
-
-[•] PowerShell 7.6.2.
-[•] PS C:\Users\nathalan> cd C:\allan2\devthink\zai
-[•] PS C:\allan2\devthink\zai> curl -s https://z-cdn.chatglm.cn/fullstack/init-fullstack_1773298087387.sh | bash
-[•] Erro: o termo “bash” não foi reconhecido como nome de cmdlet, função, script ou programa executável.
-[•] Verifique a escrita do nome ou, caso tenha informado um caminho, confirme se ele está correto e tente de novo.
-[•] PS C:\allan2\devthink\zai> Invoke-WebRequest -Uri "https://z-cdn.chatglm.cn/fullstack/init-fullstack_1773298087387.sh" -OutFile "init-fullstack.sh"
-[•] PS C:\allan2\devthink\zai> init-fullstack.sh
-[•] Erro: o termo “init-fullstack.sh” não foi reconhecido como nome de cmdlet, função, script ou programa executável.
-[•] O comando não foi encontrado, mas o arquivo existe no local atual.
-[•] O PowerShell não carrega comandos da pasta atual por padrão.
-[•] Caso o arquivo seja confiável, execute: .\init-fullstack.sh
-[•] O erro ocorre porque estou tentando executar um script Linux com extensão .sh diretamente no PowerShell, que não possui o comando Bash instalado por padrão.
-[•] Opção 1: usar o Git Bash.
-[•] Se o Git estiver instalado no Windows, abra o Git Bash pelo menu Iniciar.
-[•] Execute: curl -s https://z-cdn.chatglm.cn/fullstack/init-fullstack_1773298087387.sh | bash
-[•] Opção 2: usar o WSL.
-[•] Abra o terminal do Ubuntu ou de outra distribuição Linux instalada no Windows.
-[•] Acesse a pasta com: cd /mnt/c/allan2/devthink/zai
-[•] Execute o arquivo baixado com: bash init-fullstack.sh
-[•] Opção 3: executar pelo PowerShell caso o Git esteja no PATH.
-[•] Execute: bash .\init-fullstack.sh
-[•] Informe se o Git para Windows ou o WSL já está instalado.
-[•] Confirme se o script foi criado apenas para Linux e Mac ou se o projeto também aceita Windows nativo.
-[•] As duas referências apresentadas foram “Happy Git and GitHub for the useR” e “PowerShell and Linux: Run Bash Commands with pwsh and WSL”, da centron GmbH.
-[•] Eu tô no PowerShell e o erro continuou aparecendo nas novas tentativas.
-[•] O valor “74” apareceu isolado no fim do registro.
-[•] O Windows e o PowerShell não executam arquivos .sh diretamente porque eles foram feitos para Linux.
-[•] Para continuar no PowerShell, foi sugerido instalar o WSL ou usar o Bash do Git.
-[•] Solução rápida: abrir o PowerShell como administrador e executar: wsl --install
-[•] Pode ser necessário reiniciar o computador após a instalação.
-[•] Alternativa com o Git: executar & "C:\Program Files\Git\bin\bash.exe" .\init-fullstack.sh
-[•] Outra opção é verificar se o projeto possui uma versão para Windows com extensão .ps1 ou .bat.
-[•] Eu quero baixar esse Bash dentro da minha ProgramData, colocá-lo em test\bin\nome do programa\ como arquivo .exe e executá-lo a partir de PS C:\allan2\devthink\zai>.
-[•] A ideia é baixar o script da Z.ai ou ChatGLM, criar a pasta test\bin\zai\, salvar o executável dentro dela e rodá-lo.
-[•] Como o arquivo original é um script Linux com extensão .sh, a explicação anterior foi interrompida antes de concluir essa parte.

package/docs/talks7/user-04.md

@@ -1,67 +0,0 @@
-# user
-
-continue pesuisar: [•] A memória RAM, VRAM, GPU, VGPU, VM, VF, vcpu  cpu, emulador, emulador virtual,  SRAM, vSRAM, DRAM, vDRAM, emulador vitual de hardware, emulador vitual de hardware, virtual machine, arquivo virtual, memória virtual e armazenamento deve ser usada para executar sandboxes, Linux, Docker, terminais, scripts, binários, containers, dockers, sandboxes, processos, pacotes, bibliotecas, projetos, frameworks, ferramentas, repos, plataformas, pacotes, e etc, usando todos esses recusos para executar (processar), integrar (entre si), guardar (armazenar para ram ou armazenamento ou entre si), ou todos ao mesmo tempo para integrar, guardar, e executar, o armazenamento (scripts, codigo arquivos e etc) de tudo isso ficara alocados nos repos e plataforma como forejo/gitea/github/modescope/hugginface/kagle/gitlab/npm package/codeberg/vercel/netlify, ( no sentido controle total: pulucados po conta propria nas plataformas) o armazamento de tudo isso ficara alocados nos repos e plataformas,  ( usar a memoria deles pra transformar em ram, ou usar a ram deles própria  (buckets, sandboxes, pipelines, docker) , ou fazer o sistema, projeto, lib que faça isso ou que tenha intergração com todas essa posiblidades e  feature (npm, publish/deploy no repos/vercel/netlify/ e etc) considere isso para todos os a passos abaixo: 
-
-[•] Verifique se esses recursos podem servir como armazenamento e RAM, de modo separado, simultâneo, unificado ou embutido no mesmo ambiente.
-
-[•] Mostre o passo a passo, os scripts e a implementação usando a memória, os repositórios, os buckets, as pipelines e a infraestrutura disponível.
-
-[•] Pesquise as opções do GitHub, GitLab, Forgejo, Gitea, Codeberg, Hugging Face, Kaggle e ModelScope.
-
-[•] resources: Storage covert to compute, compute covert to storage, self hosted + externo,  externo (terceiros) + externo (terceiros),  self hosted + externo + interno,  interno + externo (terceiros),  Eu particularmente prefiro que você foque na ideia de terceiro, ou seja, usando todos os recursos de terceiro, foco em usar recursos, pacotes, bibliotecas, plataformas, tudo que é de terceiro, tudo que não pertence à nossa infra, né, tudo que não dependa da gente. A única coisa que eu quero que dependa pode ser o projeto, pode ser a biblioteca, pode ser a gente fazer a biblioteca, pode ser a gente fazer o projeto, e o mínimo que a gente pode fazer é publicar, como é que eu posso dizer? Fazer o upload nesses repos, nesses buckets, fazer o upload dos arquivos, até nisso a gente também vai utilizar scripts e automação. Então, literalmente, quase um projeto de terceiro. Então, a ideia de que pode ser feito. Acho que assim, a única coisa mínima que a gente pode fazer é colocar, publicar o pacote, publicar o projeto, publicar a lib e basicamente a integração interna é só com coisas de terceiros e a codificação mesmo interagindo com o serviço de terceiros. Basicamente é isso. A única coisa que a gente vai ter que fazer nesse fluxo é ter as contas, fazer o build nos repos, fazer automação pra ele poder fazer as pipelines, basicamente é isso. Converter, enfim. Basicamente o armazenamento e o processamento vai ocorrer em infra de terceiro.
-
-[•] Inclua Drizzle ORM, Prisma SQL, mysql2, ferramentas Node.js, bibliotecas em Python e Rust, além de projetos de código aberto.
-
-[•] Procure um emulador ou runner de memória que transforme o armazenamento e alguns arquivos em uma bridge capaz de funcionar como RAM.
-
-[•] Considere arquivos, pacotes, bibliotecas e repositórios abertos que permitam converter a memória de armazenamento em RAM ou GPU.
-
-[•] Analise um runner, emulador de placa, repositório, bucket, pipeline, Docker, pacote ou todos esses recursos juntos.
-
-[•] Pesquise bibliotecas que convertam o armazenamento físico em um runner de memória virtual.
-
-[•] Una projetos, bibliotecas, pipelines e repositórios do Gitea, Forgejo, Kaggle, ModelScope e Hugging Face para formar uma memória virtual contínua.
-
-[•] Trabalhe com duas frentes: criar uma biblioteca ou projeto próprio e usar códigos, repositórios, soluções ou componentes externos já prontos.
-
-[•] Considere também reunir tudo ao mesmo tempo em um projeto próprio com runner, repositório aberto no GitHub ou GitLab e pacote no NPM.
-
-[•] Use o armazenamento desses repositórios e buckets para converter espaço em RAM e também guardar os projetos.
-
-[•] Considere o pacote NPM porque as CDNs do jsDelivr e esm podem disponibilizar os arquivos para execução a qualquer momento.
-
-[•] Use esses serviços para armazenamento bruto e execução de memória com pacotes, bibliotecas, frameworks, pipelines, projetos próprios e códigos de terceiros.
-
-[•] Verifique a conversão do armazenamento do Drizzle ORM, Prisma e mysql2 em memória ram.
-
-[•] Faça o deploy do runner, código, biblioteca, pacote e arquivos no GitLab, GitHub, Gitea, Forgejo, Hugging Face, ModelScope, Vercel e Netlify.
-
-[•] Faça o sistema full stack da Z.ai funcionar como o original no Linux, com todas as funções e capacidades.
-
-[•] Integre repositórios, pipelines, bibliotecas, projetos, pacotes, frameworks, Docker, Linux, emulador, runner e memória no mesmo sistema.
-
-[•] Considere que o exemplo abaixo roda na minha máquina e usa a memória RAM e o armazenamento local.
-
-[•] Eu tô querendo criar uma plataforma com contêiner e sandbox usando GitHub, GitLab, Forgejo, Gitea, Codeberg e outros repositórios alternativos.
-
-[•] Verifique se é possível colocar uma timeline, uma pipeline e um cron job para cada sandbox criada.
-
-[•] Quando a pessoa abrir uma sandbox, o sistema deve criar um repositório, preparar as pipelines e acioná-las.
-
-[•] A ideia é replicar a infraestrutura da Z.ai para executar Linux, Docker e a própria sandbox.
-
-[•] Compare essa proposta com o Archbox e outros tipos de sandbox disponíveis.
-
-[•] Verifique se dá para usar gratuitamente a infraestrutura dos repositórios no nosso sistema.
-
-[•] Defina uma cota de 8 gigabytes para a memória RAM e outra igual para a memória do sistema.
-
-[•] Mostre os macetes e as possibilidades para fazer essa estrutura funcionar.
-
-[•] Considere os projetos e aplicativos de código aberto, mas use também a infraestrutura gratuita deles na implementação.
-
-[•] Lembre-se de que a mesma memória usada para armazenar arquivos deve servir como RAM; ou seja, o armazenamento vira memória para ler, processar e executar scripts, binários e arquivos, de forma retroativa e vice-versa.
-
-[•] Faça 40 pesquisas, entregue a implementação e crie uma lista profissional com todas as etapas.
-
-[•] Use o trecho do computador apenas como exemplo para entender o contexto; não tente resolver essa parte, isso é um exemplo que roda minha maquina no meu pc com a minha ram, no meu terminal via windows: