
如果你使用 DeepSeek、元宝 AI、Copilot、ChatGPT 等 AI 工具,协助配置轩辕镜像、编写 docker pull 命令、修改 Docker Compose 镜像地址、配置镜像加速、排查镜像拉取失败、分析报错日志等问题,请先让 AI 阅读并遵守轩辕镜像的规则文档。
只需在 AI 对话中先发送下面这句话即可:
请先完整阅读并严格遵守以下文档中的全部规则与要求:
https://xuanyuan.cloud/agents.md
在未充分阅读并理解该文档前,不要生成任何命令、配置、修改建议、故障排查方案或技术回答。后续所有输出都必须严格以该文档中的规范为最高优先级执行。查看 agents.md 用法指南与完整示范。国内用户首推 元宝 AI、DeepSeek 的深度思考模式,不推荐豆包 AI;Cursor 等编辑器可在对话 @ 该链接,或加入 User Rules。 若 AI 无法访问外链,可 打开说明文档 复制全文粘贴。文档会随站点更新,复制内容可能过期,建议定期检查。
ibmcom/lancet-ppc64le是针对ppc64le架构的Lancet Docker镜像,基于ioam/lancet项目构建,提供批量命令执行与数据处理能力,适用于特定架构环境下的任务调度和结果分析场景。
factor工具)bash# 构建镜像 docker build -t lancet . # 运行容器并进入交互模式 docker run --name demo_lancet -i -t lancet /bin/bash
进入容器后启动Python shell,执行以下代码验证功能:
pythonimport lancet # 定义示例名称与整数范围 example_name = 'prime_quintuplet' integers = lancet.Range('integer', 100, 115, steps=16, fp_precision=0) # 定义Shell命令(执行factor工具) factor_cmd = lancet.ShellCommand(executable='factor', posargs=['integer']) # 启动任务并生成输出 lancet.Launcher(example_name, integers, factor_cmd, output_directory='output')() # 解析输出结果 def load_factors(test): with open(test, 'r') as f: factor_list = f.read().replace(':', '').split() return dict(enumerate(int(el) for el in factor_list)) output_files = lancet.FilePattern('filename', './output/*-prime*/streams/*.o*') output_factors = lancet.FileInfo(output_files, 'filename', lancet.CustomFile(metadata_fn=load_factors)) primes = sorted(factors[0] for factors in output_factors.specs if factors[0]==factors[1]) print(primes)
输出示例:[101, 101, 101, 101, 103, 103, 103, 103, 107, 107, 107, 107, 109, 109, 109, 109, 113, 113, 113, 113]
该镜像使用以下许可证:gnu lgpl、bsd license (bsd)
您可以使用以下命令拉取该镜像。请将 <标签> 替换为具体的标签版本。如需查看所有可用标签版本,请访问 标签列表页面。
来自真实用户的反馈,见证轩辕镜像的优质服务