StofDoctrineExtensionsBundle 技术文档
1. 安装指南
在您的Symfony项目中使用StofDoctrineExtensionsBundle之前,您需要先安装它。以下是一些基本步骤:
-
使用Symfony Flex安装:
composer require stof/doctrine-extensions-bundle -
如果不使用Symfony Flex,您需要手动添加bundle到
AppKernel.php文件中:new Stof\DoctrineExtensionsBundle\StofDoctrineExtensionsBundle(), -
确保您的
composer.json文件中已包含gedmo/doctrine-extensions依赖:"require": { "gedmo/doctrine-extensions": "^2.4" } -
运行以下命令以安装所有依赖项:
composer install
2. 项目使用说明
StofDoctrineExtensionsBundle 集成了 DoctrineExtensions,为Symfony项目提供了多种扩展功能。以下是一些主要功能:
- Tree:简化了树状结构数据的处理。
- Translatable:方便地将记录翻译成不同的语言。
- Sluggable:将指定的字段转换为唯一的slug。
- Timestampable:在创建、更新或属性更改时更新日期字段。
- Blameable:在创建、更新或属性更改时更新字符串或关联字段。
- Loggable:跟踪对象的变化和历史。
- Sortable:使任何文档或实体可排序。
要开始使用这些扩展,您需要将它们添加到实体映射中,并在相应的实体类中使用注解。
3. 项目API使用文档
关于如何使用各个扩展的具体API,请参考以下说明:
-
Tree:在实体中使用
@ Gedmo\Tree(type="materialized_path")注解来标记树节点。 -
Translatable:使用
@ Gedmo\Translatable注解,并通过TranslatableListener进行设置。 -
Sluggable:通过
@ Gedmo\Sluggable注解自动生成slug。 -
Timestampable:使用
@ Gedmo\Timestampable注解自动设置创建和更新时间。 -
Blameable:通过
@ Gedmo\Blameable注解跟踪创建者和更新者。 -
Loggable:使用
@ Gedmo\Loggable注解记录实体变更。 -
Sortable:通过
@ Gedmo\Sortable注解实现排序功能。
确保已经在您的doctrine.yml配置文件中正确设置了监听器和元数据缓存。
4. 项目安装方式
如上所述,StofDoctrineExtensionsBundle可以通过两种方式安装:
- 使用Symfony Flex:通过运行
composer require stof/doctrine-extensions-bundle命令。 - 手动安装:将bundle添加到
AppKernel.php文件中,并确保所有依赖项都已正确安装。
完成安装后,您可以开始配置和利用提供的扩展功能了。请确保阅读每个扩展的详细文档以了解如何正确实现它们。
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