Metamagic 项目技术文档
1. 安装指南
首先,确保您的项目环境中安装有 Ruby 1.9 或以上版本以及 Rails 3.0 或以上版本。在您的项目 Gemfile 文件中添加以下依赖:
gem 'metamagic'
然后执行 bundle install 命令以安装 Metamagic gem。
2. 项目的使用说明
Metamagic 是一个用于创建 meta 标签的 Ruby on Rails 插件,支持常规 meta 标签、OpenGraph(Facebook)、Twitter Cards 以及自定义标签。
基本用法
在您的视图文件顶部,如 app/views/posts/show.html.erb:
<%
meta title: "我的标题",
description: "我的描述",
keywords: %w(关键词1 关键词2 关键词3)
%>
然后在布局文件 app/views/layouts/application.html.erb 中:
<head>
<%= metamagic %>
...
</head>
这会生成以下 meta 标签:
<head>
<title>我的标题</title>
<meta content="我的描述" name="description" />
<meta content="关键词1, 关键词2, 关键词3" name="keywords" />
...
</head>
使用模板
模板可用于在布局中插入视图中设置的 meta 值。例如,如果您想在所有页面的标题中添加内容,或为所有页面添加默认关键词,可以使用模板。模板支持所有标签类型,包括 OpenGraph、Twitter 等。
标题模板
在模板中:
<%
meta title: "我的标题"
%>
在布局中:
<%
metamagic site: "我的站点", title: [:title, :site], separator: " — "
%>
这将渲染以下内容:
<head>
<title>我的标题 — 我的站点</title>
...
</head>
默认分隔符是 -。
如果视图中未设置标题,它将只显示站点名称。
关键词模板
关键词模板可用于为站点的所有页面添加默认关键词。
在模板中:
<%
meta keywords: %{一个 两个 三}
%>
在布局中:
<%
metamagic keywords: [:keywords, "四个", "五个", "六个"]
%>
这将生成以下内容:
<head>
<meta content="一个, 两个, 三, 四个, 五个, 六个" name="keywords" />
...
</head>
为其他标签类型添加模板
模板支持所有标签类型。可以通过将视图中的冒号(:)替换为下划线(_)来访问 meta 键的值,例如 og:image 可以通过 og_image 访问。
快捷助手
为了方便设置 meta 标签,您可以使用快捷助手:
<%
title "我的标题"
description "我的描述"
keywords %w(关键词1 关键词2 关键词3)
%>
这会生成以下内容:
<head>
<title>我的标题</title>
<meta content="我的描述" name="description" />
<meta content="关键词1, 关键词2, 关键词3" name="keywords" />
...
</head>
快捷助手返回您发送给它们的值,因此可以通过在 <h1> 标签中设置标题来减少代码冗余:
<h1><%= title "我的标题" %></h1>
这与在视图顶部设置标题相同。
注意: 快捷助手不会覆盖视图中已经存在的方法,例如如果已经有一个名为 title 的方法,它不会被覆盖。
指定默认 meta 标签值
可以在布局中指定默认值,如果视图没有指定自己的值,将显示这些默认值:
<head>
<%= metamagic title: "我的默认标题", description: "我的默认描述。", keywords: %w(关键词1 关键词2 关键词3) %>
...
</head>
3. 项目API使用文档
Metamagic 提供了多种方法来定义 meta 标签,包括自定义标签和属性。
自定义 meta 标签
<%
meta my_custom_name: "我的自定义值"
%>
这将生成以下内容:
<head>
...
<meta content="我的自定义值" name="my_custom_name" />
...
</head>
添加关系链接
<%
meta rel: {
author: "http://test.com/author.html",
publisher: "http://test.com/publisher.html"
}
%>
或者使用 rel 快捷助手:
<%
rel author: "http://test.com/author.html",
publisher: "http://test.com/publisher.html"
%>
自定义属性
OpenGraph(Facebook)
<%
meta og: {
image: "http://mydomain.com/images/my_image.jpg"
}
%>
Twitter Cards
<%
meta twitter: {
card: "summary",
site: "@flickr"
}
%>
其他自定义属性
<%
meta property: {
one: "属性一",
two: "属性二",
nested: {
a: "嵌套A",
b: "嵌套B"
}
}
%>
自定义标签
可以为指定的标签前缀添加自定义渲染:
在 config/initializers/metamagic.rb:
Metamagic::Renderer.register_tag_type :custom, ->(key, value) { tag(:custom_tag, first: key, second: value) }
在视图中:
<%
meta title: "我的标题",
custom: {
key_one: "我的第一个键",
key_two: "我的第二个键"
}
%>
这将渲染以下内容:
<title>我的标题</title>
<custom_tag first="custom:key_one" second="我的第一个键" />
<custom_tag first="custom:key_two" second="我的第二个键" />
当注册一个新的标签类型时,会自动定义一个快捷助手。因此,上面的代码也可以写成:
<%
custom key_one: "我的第一个键",
key_two: "我的第二个键"
%>
4. 项目安装方式
Metamagic 可以通过添加到 Gemfile 并运行 bundle install 来安装。确保您使用的是 Ruby 1.9 或更高版本以及 Rails 3.0 或更高版本。在 Gemfile 中添加以下代码:
gem 'metamagic'
然后执行以下命令:
bundle install
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