ZendSkeletonApplication 技术文档
1. 安装指南
使用 Composer 安装
ZendSkeletonApplication 项目推荐使用 Composer 进行安装。如果你还没有安装 Composer,请根据 Composer 文档 进行安装。
安装步骤如下:
$ composer create-project -sdev zendframework/skeleton-application path/to/install
安装完成后,你可以使用 PHP 内置的 Web 服务器立即测试项目:
$ cd path/to/install
$ php -S 0.0.0.0:8080 -t public
# 或者使用 Composer 别名:
$ composer run --timeout 0 serve
这将启动一个绑定到所有网络接口的 CLI 服务器,端口为 8080。你可以通过访问 http://localhost:8080/ 来查看 Zend Framework 的欢迎页面。
注意: 内置的 CLI 服务器仅用于开发环境。
开发模式
项目默认包含 zf-development-mode,并提供了三个别名来使用它:
$ composer development-enable # 启用开发模式
$ composer development-disable # 禁用开发模式
$ composer development-status # 检查开发模式是否启用
你可以在 config/development.config.php.dist 中提供仅用于开发的模块和引导配置,在 config/autoload/development.local.php.dist 中提供仅用于开发的应用配置。启用开发模式时,这些文件将被复制并去掉 .dist 后缀,禁用开发模式时,这些复制的文件将被删除。
开发模式在项目安装过程中会自动启用。如果你对上述 .dist 配置文件进行了更改,你需要禁用并重新启用开发模式,或者手动更新没有 .dist 后缀的文件。
使用 Vagrant
项目包含一个基于 Ubuntu 16.04 的 Vagrantfile,配置了 Apache2 和 PHP 7.0。你可以使用以下命令启动它:
$ vagrant up
启动后,你可以在虚拟机中运行 Composer。例如,以下命令将安装依赖项:
$ vagrant ssh -c 'composer install'
以下命令将更新依赖项:
$ vagrant ssh -c 'composer update'
Vagrant 将主机端口 8080 映射到虚拟机的端口 80,你可以通过访问 http://localhost:8080/ 来查看站点。
使用 docker-compose
项目提供了一个 docker-compose.yml 文件,用于与 docker-compose 一起使用。你可以使用以下命令构建并启动镜像:
$ docker-compose up -d --build
启动后,你可以通过访问 http://localhost:8080 来查看站点。
你也可以从镜像中运行 Composer。容器环境名为 "zf",因此你需要传递该值给 docker-compose run:
$ docker-compose run zf composer install
2. 项目的使用说明
运行单元测试
要运行项目提供的单元测试,你需要执行以下操作之一:
-
在初始项目创建期间,选择安装 MVC 测试支持。
-
在初始项目创建后,安装 zend-test:
$ composer require --dev zendframework/zend-test
安装测试支持后,你可以使用以下命令运行测试:
$ ./vendor/bin/phpunit
如果你需要为 PHPUnit 测试设置进行本地修改,请将 phpunit.xml.dist 复制到 phpunit.xml 并编辑新文件;后者在运行测试时具有优先级,并且被版本控制忽略。
3. 项目 API 使用文档
项目 API 的使用文档可以通过查看项目中的控制器和模块来获取。具体 API 的使用方法和参数说明可以在项目的代码注释中找到。
4. 项目安装方式
项目的安装方式主要有以下几种:
- 使用 Composer 安装:通过 Composer 创建一个新的 Zend Framework 项目。
- 使用 Vagrant:通过 Vagrant 启动一个虚拟机环境进行开发。
- 使用 docker-compose:通过 docker-compose 启动一个 Docker 容器进行开发。
每种安装方式的具体步骤已在“安装指南”部分详细说明。
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
atomcodeAn open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust024
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00