Django Object Tools 技术文档
1. 安装指南
环境要求
- Python 2.7, 3.5-3.7
- Django 1.11, 2.0, 2.1
安装步骤
-
安装或添加
django-object-tools到您的 Python 路径。 -
在您的
INSTALLED_APPS设置中添加object_tools。由于django-object-tools覆盖了某些 admin 模板,您必须在django.contrib.admin之前添加它。 -
配置 URLConf。将一个 URL 指向
tools.urls方法。以下示例将默认的Tools实例object_tools.tools注册在/object-tools/路由上:# urls.py from django.urls import path import object_tools urlpatterns = [ path('object-tools/', object_tools.tools.urls) ] -
确保已经按照 Django 官方文档 安装了 Django Admin。
-
每次安装新的工具时,请运行
migrate命令来设置权限。
2. 项目使用说明
django-object-tools 是一个 Django 应用程序,它简化了创建和管理额外的 admin 对象工具的过程。它本身不提供实用的工具,而是为了简化其他 Django 应用程序提供的自定义工具的创建和集成。
创建自定义工具
以下是一个示例,展示如何创建一个允许删除所有对象的工具:
-
创建一个名为
delete的 Django 应用文件夹结构,包含一个名为tools.py的文件。结构如下:delete/ __init__.py tools.py -
编辑
tools.py文件:from django.contrib.admin.actions import delete_selected from django.contrib.admin.sites import site import object_tools class Delete(object_tools.ObjectTool): name = 'delete' label = '删除所有' def view(self, request, extra_context=None): queryset = self.model.objects.all() modeladmin = site._registry.get(self.model) response = delete_selected(modeladmin, request, queryset) if response: return response else: return modeladmin.changelist_view(request) object_tools.tools.register(Delete)
object_tools行为类似于 Django 的 admin,允许显式注册工具(第 17 行)。- 导入 Django 提供的
delete_selected方法。 - 创建一个继承自
object_tools.ObjectTool的工具类。 - 设置工具名称和标签。
- 实现
view方法,这是工具的核心逻辑。 - 使用
object_tools注册工具。
- 在
INSTALLED_APPS设置中添加delete。
现在,当您导航到任何模型的更改列表视图时,您会在右上角找到 删除所有 对象工具。
注意: django-object-tools 添加了每个工具的权限,以补充 Django 的内置权限集。因此,在此示例中,只有超级用户或具有 可以删除 <模型> 权限的用户才能看到和使用该工具。如果看不到或无法使用某个特定工具,请确保认证用户具有执行操作的所需权限。
3. 项目API使用文档
django-object-tools 提供了一个基础类 ObjectTool,允许开发者创建自定义的 admin 工具。以下是几个关键的 API:
ObjectTool: 所有工具类应该继承的基础类。register: 用于注册自定义工具的方法。
4. 项目安装方式
请按照上述“安装指南”中的步骤进行安装。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00