探索 wagtail-generic-chooser:为Wagtail构建自定义选择器的灵活框架
在开发基于 Wagtail 的应用程序时,有时我们需要创建自己的数据选择器,以便与页面、文档、片段和图片等集成。这就是 wagtail-generic-chooser 登场的地方,一个高度可配置的工具,可以让你轻松地实现自己的模型选择器或与 REST API 结合的接口。
1、项目介绍
wagtail-generic-chooser 是一个针对 Wagtail 管理后台的工具库,它提供了用于构建选择器弹出窗口和表单元素的基础类,使得这些元素与 Wagtail 内置的界面风格保持一致。它的独特之处在于,它不仅限于 Django 模型,还可以用于非模型的数据源,如 REST API 终点。
请注意,此项目已被官方废弃,推荐使用 Wagtail 5.2 及更高版本中的内置 ChooserViewSet 功能进行迁移。
2、项目技术分析
该项目的核心是两个视图集类:ModelChooserViewSet 和 DRFChooserViewSet。前者适用于基于 Django 模型的选择器,后者则用于基于 Django REST Framework API 的选择器。这些视图集允许通过子类化来定制工作流程的各种方面,包括界面样式、每页显示的条目数、排序方式等。
此外,wagtail-generic-chooser 还提供了多个混合类和视图,使开发者可以深入定制各个功能,例如结果列表、创建表单以及对象选择的响应处理。
3、项目及技术应用场景
- 自定义模型选择器:对于任何你需要在 Wagtail 后台管理的自定义模型,你可以轻松创建一个匹配其界面风格的选择器。
- API 数据源选择器:如果你的数据存储在远程 API 中,或者你的应用已经采用了 RESTful 风格的设计,
DRFChooserViewSet可以帮助你在 Wagtail 中实现无缝对接。 - 创建新对象的功能:通过设置
form_class属性,可以直接在选择器中创建新的对象,无需离开当前视图。
4、项目特点
- 高度可配置:只需通过子类化即可调整各种选择器行为,包括标题图标、页面标题、每页条数和字段展示等。
- 支持 REST API:除了传统的 Django 模型,还可以直接与 REST API 对接,扩展性强大。
- 灵活性:提供多种基类和混合类,可根据需求自由组合,实现复杂的自定义选择器逻辑。
- 易于集成:通过 Wagtail 的
register_admin_viewset钩子轻松注册自定义视图集。
虽然 wagtail-generic-chooser 已经被官方弃用,但考虑到它提供的灵活性和实用性,对于那些依然依赖旧版 Wagtail 或者需要对 API 数据源进行选择操作的开发者来说,这仍然是一个有价值的技术资源。迁移至 Wagtail 的内置视图集是一个值得考虑的方向,但对于现有的项目,wagtail-generic-chooser 仍能发挥重要作用。
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