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。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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