Django-helpdesk 技术文档
1. 安装指南
独立安装
对于独立安装,请参考位于 docs/standalone.rst 的文档。
集成安装
要将 django-helpdesk 集成到现有的 Django 应用程序中,请遵循位于 docs/install.rst 和 docs/configuration.rst 的指南。
2. 项目使用说明
django-helpdesk 包含了一个基础的 Django 示例项目,让你可以轻松地进行测试或开发。示例项目位于顶级目录下的 demo/ 文件夹中。
很可能你只需运行以下命令即可启动示例项目服务器(建议在运行前创建一个虚拟环境):
make rundemo
或者使用 Docker:
docker build . -t demodesk
docker run --rm -v "$PWD:/app" -p 8080:8080 demodesk
然后使用浏览器访问 http://localhost:8080(使用用户 admin 和密码 Test1234 登录)。
有关更多信息以及选项,请阅读 demo/README.rst 文件。
关于 SQLite 和搜索的注意:
示例项目使用 sqlite 作为其数据库。SQLite 不支持大小写不敏感的搜索,因此搜索功能可能不如支持大小写不敏感搜索的其他数据库(如 PostgreSQL 或 MySQL)有效。
尝试使用 sqlite 进行关键字搜索时,会显示一条消息提醒你此缺陷。对此很抱歉,但无法解决这个问题。
3. 项目API使用文档
django-helpdesk 提供了 API 来管理工单。以下是 API 的基本使用方法:
GET:获取工单列表或单个工单详情。POST:创建新的工单。PUT:更新现有的工单。PATCH:部分更新现有的工单。DELETE:删除工单。
要在项目中使用 API,请参考 docs/api.rst 文件中的详细说明。
4. 项目安装方式
开发者环境的设置步骤如下,以贡献代码:
- 从 GitHub 克隆帮助台应用到本地文件系统:
git clone https://github.com/django-helpdesk/django-helpdesk.git
- 安装并激活虚拟环境:
python -m venv .venv && source .venv/bin/activate
- 安装开发所需的要求:
pip install -r requirements.txt -r requirements-dev.txt
- 你也可以安装测试要求:
pip install -r requirements-testing.txt
要停用虚拟环境,使用 deactivate 命令。要重新激活,只需运行:
source .venv/bin/activate
要查看 Makefile 的选项,运行 make 命令。
项目在 CI/CD 流水中执行标准化格式化。要确保正确的格式,运行:
make checkformat
要自动格式化代码,使用:
make format
要运行测试,使用命令行:
make test
有关详细信息,请查看 quicktest.py 文件。如果你需要为新功能创建测试,将你的测试添加到 tests 模块的测试文件中,并在测试虚拟环境中调用它们:
python quicktest.py helpdesk.tests.test_my_new_features -v 2
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