adva_cms 项目下载及安装教程
1. 项目介绍
adva_cms 是一个基于 Ruby on Rails 和 Rails Engines 的开源应用平台。它与其他 CMS 系统不同,adva_cms 位于 vendor 目录中,保持主应用目录的整洁。这使得你可以仅在主应用目录中放置自己的应用文件。adva_cms 具有高度可扩展性,你可以根据需要选择所需的引擎/功能,并忽略其他不需要的部分。所有引擎都设计为无缝协作,使得整个平台在类似但独立的 Rails 应用中感觉更加一致。
2. 项目下载位置
adva_cms 项目的源代码托管在 GitHub 上。你可以通过以下命令克隆项目到本地:
git clone https://github.com/svenfuchs/adva_cms.git
3. 项目安装环境配置
3.1 环境要求
- Ruby on Rails >= 2.3.4
- ImageMagick(用于图像处理)
3.2 安装 Ruby on Rails
如果你还没有安装 Ruby on Rails 2.3.4 或更高版本,可以使用以下命令进行安装:
sudo gem install rails --version 2.3.4
3.3 安装 ImageMagick
在大多数 Linux 发行版中,你可以使用包管理器安装 ImageMagick。例如,在 Ubuntu 上,可以使用以下命令:
sudo apt-get install imagemagick
3.4 环境配置示例

4. 项目安装方式
4.1 使用 Rails 模板安装
你可以使用 Rails 模板来安装 adva_cms。以下是具体步骤:
rails my-app -m https://github.com/svenfuchs/adva_cms/raw/master/templates/adva-cms-0.3.2.rb
cd my-app
ruby script/server
打开浏览器并访问 http://localhost:3000,你应该会看到 adva_cms 的安装界面。填写表单后,即可开始使用。
4.2 手动安装
如果你更喜欢手动安装,可以按照以下步骤进行:
rails my-app
cd my-app
rm public/index.html
在 config/environment.rb 中添加以下内容:
require File.join(File.dirname(__FILE__), 'boot')
require File.join(File.dirname(__FILE__), '../vendor/adva/engines/adva_cms/boot')
在 config/initializers/new_rails_defaults.rb 中设置:
ActionController::Routing.generate_best_match = true
克隆 adva_cms 项目:
git clone git://github.com/svenfuchs/adva_cms.git vendor/adva
安装核心引擎并复制资产:
rake adva:install:core -R vendor/adva/engines/adva_cms/lib/tasks
rake adva:assets:install
启动服务器:
ruby script/server
打开浏览器并访问 http://localhost:3000,你应该会看到 adva_cms 的安装界面。填写表单后,即可开始使用。
5. 项目处理脚本
adva_cms 提供了一些 Rake 任务来帮助你安装和卸载引擎及插件。以下是一些常用的任务:
rake adva:install:all:安装所有引擎和插件。rake adva:install:core:安装核心引擎。rake adva:install:安装指定的引擎和插件。rake adva:uninstall:all:卸载所有引擎和插件。rake adva:uninstall:core:卸载核心引擎。rake adva:uninstall:卸载指定的引擎和插件。
例如,你可以使用以下命令安装所有引擎和插件:
rake adva:install:all
或者,你可以指定要安装的引擎和插件:
rake adva:install engines=adva_themes,adva_wiki plugins=adva_url_history
安装完成后,你可能需要安装资产:
rake adva:assets:install
通过这些脚本,你可以轻松管理 adva_cms 的安装和配置。
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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
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