Voyager - 拓展Laravel的管理界面之选
项目介绍
Voyager 是一个基于Vue.js和Bootstrap构建的Laravel后台管理系统。它被称为“缺失的Laravel管理员”,为开发者提供了一个功能齐全的BREAD系统(浏览、阅读、编辑、添加、删除)。Voyager支持Laravel 8及以上版本,并且有一个配套的官方网站与文档站点,以及视频教程供用户学习。如果你偏好Livewire和TailwindCSS,可以考虑其姊妹项目Genesis。
项目快速启动
步骤一:安装依赖包
首先,在创建新的Laravel应用程序后,通过Composer引入Voyager包:
composer require tcg/voyager
对于Laravel 10,请使用以下命令(直至正式版发布):
composer require tcg/voyager dev-1.6-l10
步骤二:配置数据库信息
确保创建一个新的数据库,并在.env文件中设置数据库凭证:
DB_HOST=localhost
DB_DATABASE=your_database_name
DB_USERNAME=your_username
DB_PASSWORD=your_password
APP_URL=http://localhost:8000
步骤三:运行安装程序
通过以下命令安装Voyager。可选择是否安装带有示例数据的版本:
- 不带示例数据:
php artisan voyager:install - 带示例数据:
php artisan voyager:install --with-dummy
最后,启动本地服务器并访问后台:
php artisan serve
然后在浏览器中打开 http://localhost:8000/admin。
创建管理员用户
如果使用了示例数据,系统已自动创建管理员账号,否则,需手动创建:
php artisan voyager:admin your@email.com --create
将引导您输入用户名和密码。
应用案例和最佳实践
Voyager适用于快速搭建项目后台界面,尤其是那些需要快速实现数据管理的Web应用。最佳实践包括利用其内置的BREAD功能来管理模型数据,定制化仪表板以满足特定业务需求,并利用其丰富的插件体系来扩展功能,如自定义菜单、数据表视图定制等。
典型生态项目
虽然Voyager本身已经是一个完整的后台解决方案,但开发者社区围绕它构建了一系列辅助工具和插件,例如定制主题、安全增强组件、以及与前端框架如Vue或React更深度集成的实例。推荐查看其官方文档或GitHub页面上的贡献者插件部分,以便发现这些生态中的宝藏。
以上步骤和建议构成了一份基础的快速上手指南,旨在帮助开发者迅速掌握和运用Voyager于他们的Laravel项目之中。深入探索Voyager的功能和定制选项,将进一步提升您的应用开发效率。
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