ActsAsRelation 项目技术文档
1. 安装指南
在 Rails 4 中安装 ActsAsRelation,需要在 Gemfile 中添加以下代码:
gem 'acts_as_relation', '~> 1.0'
然后执行以下命令进行安装:
$ bundle install
如果是使用 Rails 3,需要在 Gemfile 中使用版本指定符 ~> 0.1。
2. 项目的使用说明
ActsAsRelation gem 用于实现多表继承(MTI)方法到 ActiveRecord 模型中。默认情况下,ActiveRecord 只支持单表继承(STI)。MTI 提供了 STI 的好处,但无需在单个表中放置数十个空字段。
以传统电子商务应用为例,一个产品有公共属性(如 +name+、+price+、+image+ 等),而每种产品类型有其自己的属性,例如 +pen+ 有 +color+ 属性,+book+ 有 +author+ 和 +publisher+ 属性。
使用 ActsAsRelation,可以按照以下方式声明模型:
class Product < ActiveRecord::Base
acts_as_superclass
end
class Pen < ActiveRecord::Base
acts_as :product
end
class Book < ActiveRecord::Base
acts_as :product
end
class Store < ActiveRecord::Base
has_many :products
end
在声明超级类的模型中,需要声明一个外键列和一个类型列。可以通过在 create_table 方法中设置 :as_relation_superclass 选项来实现:
create_table :products, :as_relation_superclass => true do |t|
# ...
end
或者在 polymorphic belongs_to 关系中声明,此时需要传递名称到 acts_as 和 acts_as_superclass 的 :as 选项。
接下来可以为 Product 类添加一些验证和方法:
class Product
validates_presence_of :name, :price
def to_s
"#{name} $#{price}"
end
end
现在可以像下面这样使用:
Pen.create :name => "Nice Pen", :price => 1.3, :color => "Red"
Pen.where "name = ?", "Some Pen"
pen = Pen.new
pen.valid? # => false
pen.errors.keys # => [:name, :price]
Pen.first.to_s # => "Nice Pen $1.3"
声明 acts_as 关系后,声明类会自动获得父类方法(包括访问器),可以直接访问它们。
还可以通过调用 specific 方法从父类中访问特定对象:
Product.first.specific # 将返回一个特定产品,例如一支笔
在 has_many 情况下,可以使用子类:
store = Store.create
store.products << Pen.create
store.products.first # => <Pen: ...>
3. 项目API使用文档
acts_as 关系支持以下选项:
:as:auto_join(默认为true):class_name:dependent
当 :auto_join 选项设置为 true 时,对子类的每次查询都会自动连接父表。
其他选项与 has_one 选项相同。
注意,":conditions" 和 ":include" 的支持已被移除,可以用 where() 和 includes() 替代。
例如:
acts_as :product, -> { where(color: "yellow") }
acts_as :person, -> { includes(:friends) }
4. 项目安装方式
请参考上述安装指南进行项目安装。
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
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