AlchemyCMS 技术文档
2024-12-26 11:59:52作者:咎竹峻Karen
1. 安装指南
独立安装
如果还没有 Rails 项目或者想先试用 Alchemy,可以使用以下 Rails 模板。
首先确保已安装 Rails:
$ gem install rails
然后创建一个新的 Rails 项目:
$ rails new -m https://raw.githubusercontent.com/AlchemyCMS/rails-templates/master/all.rb <项目名称>
按照屏幕上的指示操作。
手动安装
如果想在 Rails 项目中手动安装 Alchemy,请按照以下步骤操作。
添加 Alchemy gem
在 Gemfile 中添加 Alchemy:
$ bundle add alchemy_cms
设置认证用户
需要决定是使用自己的用户模型还是使用 Alchemy 提供的基于 Devise 的用户模型。
使用 Alchemy 用户
如果没有自己的用户类,可以直接使用 Alchemy 用户模型。只需在 Gemfile 中添加以下 gem:
$ bundle add alchemy-devise
然后运行 alchemy-devise 安装程序:
$ bin/rails g alchemy:devise:install
使用自己的用户模型
如果要使用自己的用户模型,需要告诉 Alchemy。
最佳实践是使用初始化文件:
# config/initializers/alchemy.rb
Alchemy.user_class_name = 'YourUserClass' # 默认为 'User'
Alchemy.current_user_method = 'current_admin_user' # 默认为 'current_user'
Alchemy.signup_path = '/your/signup/path' # 默认为 '/signup'
Alchemy.login_path = '/your/login/path' # 默认为 '/login'
Alchemy.logout_path = '/your/logout/path' # 默认为 '/logout'
Alchemy.logout_method = 'http_verb_for_logout' # 默认为 'delete'
Alchemy.unauthorized_path = '/some/public/page' # 默认为 '/'
Alchemy 需要从用户类中知道的是 alchemy_roles 方法。
该方法需要返回一个包含以下至少一个角色的数组或 ActiveRecord::Relation:member、author、editor、admin。
安装 Alchemy 到应用中:
设置用户模型后,需要运行 Alchemy 安装任务:
$ bin/rails alchemy:install
现在一切应该已经设置完毕,可以访问 Alchemy 仪表板:
*) 如果将 Alchemy 挂载到除 '/' 以外的其他路径,请使用自定义路径。
2. 项目使用说明
AlchemyCMS 是一个基于 Ruby on Rails 的开源 CMS 引擎,具有灵活的模板、丰富的 RESTful API、直观的管理界面等特点。
要使用 AlchemyCMS,请先按照安装指南进行安装。安装完成后,可以通过访问上面提供的仪表板地址来管理内容。
3. 项目API使用文档
AlchemyCMS 提供了一个丰富的 RESTful API,允许开发人员以编程方式访问和管理内容。
具体 API 使用方法和文档,请参考项目官方指南。
4. 项目安装方式
项目可以通过以下方式安装:
- 独立安装:使用提供的 Rails 模板创建新项目。
- 手动安装:在现有 Rails 项目中添加 Alchemy gem,并按照指南设置用户模型和运行安装任务。
登录后查看全文
热门项目推荐
相关项目推荐
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-1.5暂无简介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
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
184
196
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++
648
265
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
275
97
暂无简介
Dart
623
140
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
380
3.43 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (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
1.1 K
621
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
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