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。
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