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。
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-1.5暂无简介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