GQLi.rb 开源项目教程
2024-09-19 21:09:56作者:幸俭卉
1. 项目介绍
GQLi.rb 是一个用于消费 GraphQL API 的 Ruby DSL(领域特定语言)。它旨在为 Ruby 开发者提供一个简单易用的接口来与 GraphQL API 进行交互。GQLi.rb 是一个开源项目,托管在 GitHub 上,由 Contentful Labs 维护。
主要特点
- DSL 支持:提供了一个简洁的 DSL 来构建和执行 GraphQL 查询。
- 稳定状态:项目处于稳定状态,并将持续更新更多功能。
- 无 SLA 支持:虽然项目由 Contentful 维护,但不提供 SLA 支持。用户可以通过 GitHub 问题进行协作和反馈。
2. 项目快速启动
安装
你可以通过以下命令安装 GQLi.rb:
gem install gqli
或者将其添加到你的 Gemfile 中:
gem 'gqli'
创建 GraphQL 客户端
以下是创建 Contentful 和 GitHub GraphQL 客户端的示例代码:
require 'gqli'
# 创建 Contentful GraphQL 客户端
SPACE_ID = 'cfexampleapi'
CF_ACCESS_TOKEN = 'b4c0n73n7fu1'
CONTENTFUL_GQL = GQLi::Contentful.create(SPACE_ID, CF_ACCESS_TOKEN)
# 创建 GitHub GraphQL 客户端
GITHUB_ACCESS_TOKEN = ENV['GITHUB_TOKEN']
GITHUB_GQL = GQLi::Github.create(GITHUB_ACCESS_TOKEN)
创建查询
使用 GQLi.rb 的 DSL 创建 GraphQL 查询:
WatchersQuery = GQLi::DSL.query do
viewer do
login
repositories(first: 10) do
edges do
node do
nameWithOwner
watchers(first: 10) do
edges do
node do
login
end
end
end
end
end
end
end
end
执行查询
执行查询并获取响应:
response = CONTENTFUL_GQL.execute(WatchersQuery)
puts "Query sent:"
puts response.query.to_gql
puts
puts "Response received"
response.data.catCollection.items.each do |c|
puts "Name: #{c.name}"
puts "Likes: #{c.likes.join(" ")}"
puts "Lives #: #{c.lives}"
c.bestFriend.tap do |bf|
puts "Best Friend:"
puts "\tName: #{bf.name}"
puts "\tLikes: #{bf.likes.join(" ")}"
puts "\tLives #: #{bf.lives}"
end
end
3. 应用案例和最佳实践
应用案例
GQLi.rb 可以用于各种需要与 GraphQL API 交互的场景,例如:
- 内容管理系统:与 Contentful 等 CMS 进行数据交互。
- 版本控制系统:与 GitHub 等版本控制系统进行数据查询。
- 自定义 API:与任何支持 GraphQL 的自定义 API 进行交互。
最佳实践
- 使用片段:通过使用片段来重用查询部分,提高代码的可读性和维护性。
- 验证查询:在执行查询之前,使用 GQLi.rb 提供的验证功能来确保查询的有效性。
- 避免名称冲突:使用
__node助手方法来避免与 Ruby 内置方法或保留关键字发生冲突。
4. 典型生态项目
GQLi.rb 作为一个 Ruby 的 GraphQL 客户端,可以与其他 Ruby 生态项目结合使用,例如:
- Rails:在 Rails 应用中使用 GQLi.rb 与 GraphQL API 进行交互。
- Sinatra:在 Sinatra 应用中使用 GQLi.rb 进行数据查询。
- Jekyll:在 Jekyll 静态站点生成器中使用 GQLi.rb 获取动态数据。
通过结合这些生态项目,GQLi.rb 可以为 Ruby 开发者提供更强大的功能和更广泛的应用场景。
登录后查看全文
热门项目推荐
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
最新内容推荐
电脑PC网易云音乐免安装皮肤插件使用指南:个性化音乐播放体验 开源电子设计自动化利器:KiCad EDA全方位使用指南 Jetson TX2开发板官方资源完全指南:从入门到精通 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 Python案例资源下载 - 从入门到精通的完整项目代码合集 2022美赛A题优秀论文深度解析:自行车功率分配建模的成功方法 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
246
暂无简介
Dart
672
157
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
663
313
React Native鸿蒙化仓库
JavaScript
262
324
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.2 K
655
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
330
137