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。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00