《深入解析Her:一款功能强大的Ruby ORM工具》
在当今的软件开发领域,ORM(对象关系映射)工具的应用已经变得非常普遍,它可以帮助开发者更高效地将对象模型与数据库中的数据表进行映射。在Ruby社区中,Her作为一个开源的ORM工具,以其独特的设计理念和应用场景受到了广泛关注。本文将详细介绍Her的安装、使用方法以及一些高级特性,帮助开发者更好地理解和应用这个工具。
安装Her
在开始使用Her之前,确保你的系统中已经安装了Ruby环境。接着,你需要在Gemfile中添加以下代码来引入Her:
gem "her"
然后执行bundle install命令,即可完成Her的安装。
使用Her
使用Her的第一步是配置API的基础信息。以Rails项目为例,你需要在config/initializers/her.rb文件中设置API的URL和中间件:
# config/initializers/her.rb
Her::API.setup url: "https://api.example.com" do |c|
c.use Faraday::Request::UrlEncoded
c.use Her::Middleware::DefaultParseJSON
c.use Faraday::Adapter::NetHttp
end
接下来,定义一个模型类,并包含Her::Model模块:
class User
include Her::Model
end
现在,你就可以使用类似ActiveRecord的方式操作User模型了:
User.all # 获取所有用户
User.find(1) # 获取ID为1的用户
User.create(fullname: "Tobias Fünke") # 创建一个新用户
高级特性
Her支持许多高级特性,如中间件、认证、JSON解析、缓存等。
中间件
Her基于Faraday库发送HTTP请求,因此你可以通过中间件来自定义请求和响应的处理流程。例如,你可以添加一个中间件来处理API请求的认证:
class MyTokenAuthentication < Faraday::Middleware
def call(env)
env[:request_headers]["X-API-Token"] = current_user.api_token
@app.call(env)
end
end
认证
Her默认不提供认证机制,但你可以通过中间件轻松实现。例如,你可以使用基本的HTTP认证或OAuth认证。
JSON解析
Her默认处理JSON数据,但如果你的API返回的数据格式有所不同,你可以通过自定义中间件来解析JSON数据。
缓存
Her支持使用FaradayMiddleware和memcached进行请求和响应的缓存,这可以显著提高API调用的效率。
结论
通过本文的介绍,你应该对Her有了更深入的了解。Her不仅提供了基本的ORM功能,还通过一系列高级特性满足了不同场景下的需求。要掌握Her的全部功能,建议通过实践和阅读官方文档来进一步学习。
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-7BSpark-Prover-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
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-7BSpark-Formalizer-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00