Laravel 标签支持 - 实现模型标签化特性的快速入门教程
本教程将引导您通过安装和使用 laravel-tagging 开源项目,让您能够轻松地为 Laravel 应用程序中的 Eloquent 模型添加标签功能。
1. 项目介绍
laravel-tagging 是一个由 Robert Conner 开发的 Laravel 包,它提供了简单的数据库存储解决方案来管理 Eloquent 模型上的标签。这个包专注于存储和读取操作,允许对标签进行灵活处理,几乎不限制标签中可以使用的字符,并且通过 slug 化机制确保相似标签的一致性。通过使用 Taggable 特性,您可以轻松实现模型的多标签关联。
2. 项目快速启动
安装
首先,通过 Composer 在您的 Laravel 项目中添加 laravel-tagging 包:
composer require rtconner/laravel-tagging
配置与迁移
接下来,运行以下命令以发布配置文件并执行数据库迁移,以便创建必要的表结构:
php artisan vendor:publish --provider="Conner\Tagging\Providers\TaggingServiceProvider"
php artisan migrate
模型集成
打开您的模型(例如 Article),并引入 Taggable 特性:
use Illuminate\Database\Eloquent\Model;
use Conner\Tagging\Taggable;
class Article extends Model
{
use Taggable;
}
基础使用示例
创建或查询一篇文章,并给它添加标签:
$article = App\Models\Article::first();
$article->tag('编程');
echo $article->tagNames(); // 输出当前文章的所有标签名。
3. 应用案例与最佳实践
假设您经营一个博客平台,每篇文章都可以被分配多个标签,如“技术”、“教育”等。使用 laravel-tagging,您可以轻易地检索具有特定标签的文章,或者根据标签来过滤内容。比如,展示所有标记为“技术”的文章:
$techArticles = App\Models\Article::withAnyTag(['技术'])->get();
您还可以利用该包提供的方法在更新或创建模型时批量添加、移除或替换标签。
4. 典型生态项目
尽管 laravel-tagging 提供了基础的标签功能,但在 Laravel 生态系统中,还有其他包如 spatie/laravel-tags 提供了更多高级特性,如标签翻译、多种类型支持及排序能力。选择合适的依赖于您的具体需求,但laravel-tagging对于追求简单易用和轻量级的项目来说是一个不错的选择。
通过以上步骤,您现在已经具备了在 Laravel 项目中整合标签管理的能力。记得根据实际应用场景调整和优化您的代码,充分利用 laravel-tagging 提供的功能来丰富您的应用程序功能。
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