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。
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