推荐开源项目:Graffiti.js - 简约的GraphQL框架
2024-05-21 05:22:25作者:郜逊炳
Graffiti.js 是一个轻量级的GraphQL框架,它的设计目标是让构建GraphQL API变得简单而直观,借助文件系统作为主要API接口,每个.js文件都能转化为一份模式定义,自动处理并转换为GraphQL服务。
安装与使用
要开始使用Graffiti.js,首先通过npm安装:
$ npm install graffiti --save
然后,只需在项目中创建如./schema/note.js和./schema/collection.js这样的文件,并导出Mongoose.js的模式定义。例如:
// ./schema/note.js
exports.schema = {
name: String,
body: String,
group: { type: 'ObjectId', ref: 'Collection' }, // 自动处理关联关系
};
// ./schema/collection.js
exports.schema = {
name: String,
};
执行graffiti dev,即可在http://localhost:3000/playground访问到GraphQL playground进行测试。
功能特性
Graffiti.js 提供了以下核心功能:
- 自动创建GraphQL API
- 自动类型之间的关系映射(针对
ObjectId) - 内置GraphQL playground(仅开发模式)
- 添加自定义解析器或GraphQL方法的支持
- 手动配置复杂关系的能力
- 热重载(开发模式下)
- 支持第三方插件扩展
系统需求
为了运行Graffiti.js,你需要:
- MongoDB v4.0+ (可以使用Docker快速启动:
docker run --name mongodb -p 27017:27017 -d mongo) - Node.js v14.8+
工作原理
Graffiti.js基于fastify、graphql-compose和Mongoose构建。其灵感来源于出色的Next.js,主要目的是减少开发者编写重复代码的工作量。
详细文档可以在./docs目录中找到,更多示例可在./examples目录查看。
致谢
特别感谢:
- Jay Phelps慷慨地将"graffiti"的npm包名转让给我!
- Ivan Semenov创作了精彩的项目标识。
总的来说,Graffiti.js是一个简洁高效的工具,它帮助开发者以最小的配置开销来构建高效且易于维护的GraphQL服务。如果你正在寻找简化GraphQL开发的方法,那么Graffiti.js绝对值得尝试!
登录后查看全文
热门项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0195
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0124
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python05
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07
项目优选
收起
暂无描述
Dockerfile
766
5 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
859
1.94 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
687
1.35 K
Ascend Extension for PyTorch
Python
721
893
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
458
446
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++
1.08 K
1.11 K
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.01 K
262
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Python
1 K
620
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
2.99 K
637
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
152
255