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
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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