DeviseInvitable 技术文档
1. 安装指南
安装 DeviseInvitable Gem
首先,你需要安装 devise_invitable gem。可以通过以下命令进行安装:
gem install devise_invitable
添加到 Gemfile
将 devise_invitable 添加到你的 Gemfile 中:
gem 'devise_invitable', '~> 2.0.0'
自动安装
运行以下生成器,将 devise_invitable 的配置选项添加到 Devise 配置文件 (config/initializers/devise.rb) 中:
rails generate devise_invitable:install
完成后,你可以使用以下生成器将 devise_invitable 添加到任何 Devise 模型中:
rails generate devise_invitable MODEL
将 MODEL 替换为你想要添加 devise_invitable 的类名,例如 User、Admin 等。这将向你的模型的 Devise 模块添加 :invitable 标志,并生成一个迁移文件(如果 ORM 支持)。
手动安装
如果你选择手动安装,请按照以下步骤操作:
Devise 配置
在你的模型中,将 :invitable 添加到 devise 调用中:
class User < ActiveRecord::Base
devise :database_authenticatable, :confirmable, :invitable
end
ActiveRecord 迁移
在你的 Devise 模型迁移中添加 t.invitable:
create_table :users do
...
## Invitable
t.string :invitation_token
t.datetime :invitation_created_at
t.datetime :invitation_sent_at
t.datetime :invitation_accepted_at
t.integer :invitation_limit
t.integer :invited_by_id
t.string :invited_by_type
...
end
add_index :users, :invitation_token, unique: true
对于已经存在的模型,定义一个迁移来添加 devise_invitable:
def change
add_column :users, :invitation_token, :string
add_column :users, :invitation_created_at, :datetime
add_column :users, :invitation_sent_at, :datetime
add_column :users, :invitation_accepted_at, :datetime
add_column :users, :invitation_limit, :integer
add_column :users, :invited_by_id, :integer
add_column :users, :invited_by_type, :string
add_index :users, :invitation_token, unique: true
end
如果你之前在 :invitation_token 上使用了 :limit,请移除它:
def up
change_column :users, :invitation_token, :string, limit: nil
end
def down
change_column :users, :invitation_token, :string, limit: 60
end
2. 项目的使用说明
模型配置
devise_invitable 添加了一些新的配置选项:
invite_for:生成的邀请令牌的有效期。默认值为0,表示邀请不会过期。invitation_limit:用户可以发送的邀请数量。默认值为nil,表示没有限制。invite_key:发送邀请时用于检查现有用户的键。validate_on_invite:在实际邀请之前强制记录有效。resend_invitation:如果用户处于邀请状态,重新发送邀请。默认启用。invited_by_class_name:邀请模型的类名。如果为nil,则使用多态关联。invited_by_foreign_key:邀请模型的外键。invited_by_counter_cache:用于counter_cache列的列名。allow_insecure_sign_in_after_accept:用户设置密码后自动登录。默认启用。require_password_on_accepting:用户接受邀请时需要设置密码。默认启用。
配置视图
所有视图都打包在 gem 中。如果你想自定义视图,可以使用以下生成器将所有视图复制到你的应用程序中:
rails generate devise_invitable:views
你还可以使用生成器生成作用域视图:
rails generate devise_invitable:views users
然后在 config/initializers/devise.rb 中启用作用域视图:
config.scoped_views = true
配置控制器
要更改控制器的行为,创建一个继承自 Devise::InvitationsController 的控制器。可用的方法有:new、create、edit 和 update。
例如:
class Users::InvitationsController < Devise::InvitationsController
def update
if some_condition
redirect_to root_path
else
super
end
end
end
然后在 routes.rb 中指定使用你的控制器:
devise_for :users, controllers: { invitations: 'users/invitations' }
确保生成视图并将其放入生成的控制器中。
3. 项目API使用文档
邀请用户
Devise::InvitationsController#create 方法用于发送邀请。默认情况下,只允许传递认证键(如 email)。
接受邀请
Devise::InvitationsController#update 方法用于接受邀请。默认情况下,允许传递 invitation_token、password 和 password_confirmation。
4. 项目安装方式
自动安装
通过运行以下命令自动安装:
rails generate devise_invitable:install
手动安装
手动安装需要按照以下步骤进行配置:
- 在模型中添加
:invitable。 - 在迁移文件中添加相关字段。
- 配置
devise.rb文件中的选项。
通过以上步骤,你可以成功安装并使用 devise_invitable 扩展 Devise 的功能。
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