Laravel-Modules 中自定义迁移与种子文件路径的配置方法
在使用 Laravel-Modules 进行模块化开发时,开发者可能会遇到需要自定义迁移文件(Migrations)和种子文件(Seeders)存储路径的需求。默认情况下,Laravel-Modules 会将这些文件存放在模块的 Database/Migrations 和 Database/Seeders 目录下,但实际项目开发中,我们可能需要按照自己的项目结构来组织这些文件。
问题背景
许多开发者尝试通过在模块服务提供者(Module Service Provider)中使用 loadMigrationsFrom 方法来指定自定义路径,但发现这并不能改变 php artisan module:migrate 和 php artisan module:seed 命令查找文件的默认路径。这是因为这些 artisan 命令的路径配置是独立于服务提供者的加载机制的。
解决方案
要真正改变这些文件的存储路径,我们需要修改 Laravel-Modules 的配置文件 modules.php。以下是具体配置方法:
'migration' => [
'path' => 'Infrastructure/Database/Migrations',
'generate' => true
],
'seeder' => [
'path' => 'Infrastructure/Database/Seeders',
'generate' => true
],
'factory' => [
'path' => 'Infrastructure/Database/Factories',
'generate' => true
],
配置详解
-
migration 配置项:控制数据库迁移文件的存储路径
path:指定迁移文件的相对路径(相对于模块根目录)generate:是否允许生成迁移文件
-
seeder 配置项:控制数据库种子文件的存储路径
path:指定种子文件的相对路径generate:是否允许生成种子文件
-
factory 配置项:控制工厂文件的存储路径
path:指定工厂文件的相对路径generate:是否允许生成工厂文件
最佳实践建议
-
保持一致性:建议在整个项目中采用统一的路径结构,便于团队协作和维护。
-
项目结构规划:在项目初期就规划好目录结构,避免后期大量迁移文件带来的麻烦。
-
多环境考虑:如果项目需要在不同环境中部署,确保自定义路径在各种环境下都能正常工作。
-
版本控制:修改配置文件后,记得将其纳入版本控制系统,确保团队成员使用相同的配置。
通过以上配置,开发者可以灵活地组织模块中的数据库相关文件,使其更好地适应项目的整体架构和开发规范。这种灵活性正是 Laravel-Modules 作为优秀模块化解决方案的重要特性之一。
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-1.5暂无简介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