Boring Generators 使用教程
2024-09-16 20:13:45作者:翟萌耘Ralph
1. 项目介绍
Boring Generators 是一个 Ruby on Rails 的 gem,旨在通过命令行工具自动完成常见但繁琐的设置任务。它通过添加便捷的生成器来轻松解决重复的配置工作,让你从基础配置中解脱出来,更专注于项目的核心功能。
Boring Generators 提供了一系列预定义的生成器,例如:
- Rails 集成:支持快速集成 Tailwind CSS、Bootstrap 等前端框架。
- 调试工具:一键安装 Pry 以简化调试过程。
- 测试与审计:集成 Bullet、Audit gem(bundler-audit、ruby_audit)提升代码质量。
- 持续集成:快速配置 CircleCI、GitHub Actions、Travis CI。
- 身份验证与授权:Devise 与 OAuth 服务(Facebook、Google、Twitter)的集成,以及 Pundit 权限管理。
每个生成器都经过精心设计,以确保无缝兼容和最佳实践。
2. 项目快速启动
安装
首先,将 Boring Generators 添加到你的 Gemfile 中:
gem 'boring_generators'
然后执行以下命令安装:
bundle install
或者你可以手动安装:
gem install boring_generators
使用示例
以下是一些常用的生成器使用示例:
安装 Tailwind CSS
rails generate boring:tailwind:install
安装 Bootstrap
rails generate boring:bootstrap:install
安装 Pry 调试工具
rails generate boring:pry:install
安装 CircleCI
rails generate boring:ci:circleci:install --repository_name=<name> --ruby_version=<version>
3. 应用案例和最佳实践
快速原型开发
Boring Generators 可以帮助开发者快速启动新项目,节省大量配置时间。例如,你可以通过以下命令快速集成 Tailwind CSS 和 Bootstrap:
rails generate boring:tailwind:install
rails generate boring:bootstrap:install
现有项目升级或重构
在现有项目中,你可以使用 Boring Generators 快速引入新特性。例如,如果你想在项目中集成 Devise 和 OAuth 服务,可以使用以下命令:
rails generate boring:devise:install
rails generate boring:oauth:facebook:install
rails generate boring:oauth:google:install
团队协作
Boring Generators 可以帮助团队保持代码一致性,减少手动配置的错误。例如,团队成员可以通过以下命令快速配置 CircleCI 和 GitHub Actions:
rails generate boring:ci:circleci:install --repository_name=<name> --ruby_version=<version>
rails generate boring:ci:github_action:install --repository_name=<name> --ruby_version=<version>
4. 典型生态项目
Boring Generators 可以与以下典型生态项目无缝集成:
- Tailwind CSS: 通过
rails generate boring:tailwind:install快速集成。 - Bootstrap: 通过
rails generate boring:bootstrap:install快速集成。 - Pry: 通过
rails generate boring:pry:install快速集成调试工具。 - CircleCI: 通过
rails generate boring:ci:circleci:install快速配置持续集成。 - GitHub Actions: 通过
rails generate boring:ci:github_action:install快速配置持续集成。
通过这些集成,Boring Generators 可以帮助开发者更高效地进行项目开发和维护。
登录后查看全文
热门项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0212
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0137
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
GLM-5.2智谱开源 GLM-5.2,这是针对长文本任务的最新旗舰模型。相较于前代产品 GLM-5.1,它在长文本任务处理能力上实现了显著飞跃,并且首次在稳定的 100 万 token 上下文中提供这一能力。Jinja00
SwanLab⚡️SwanLab - an open-source, modern-design AI training tracking and visualization tool. Supports Cloud / Self-hosted use. Integrated with PyTorch / Transformers / LLaMA Factory / veRL/ Swift / Ultralytics / MMEngine / Keras etc.Python00
tiny-universe《大模型白盒子构建指南》:一个全手搓的Tiny-UniverseJupyter Notebook03
热门内容推荐
最新内容推荐
项目优选
收起
deepin linux kernel
C
32
16
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
468
461
暂无描述
Dockerfile
775
5.07 K
Ascend Extension for PyTorch
Python
756
961
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
872
2.01 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
696
1.4 K
昇腾LLM分布式训练框架
Python
183
230
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.1 K
1.14 K
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.04 K
271
Oohos_react_native
React Native鸿蒙化仓库
C++
361
430