Ash框架中手动操作访问私有属性的最佳实践
2025-07-08 05:00:13作者:鲍丁臣Ursa
Ash框架作为一个强大的Elixir资源管理工具,在3.0版本中引入了一个重要变更:默认将私有字段设置为public?: false。这一变更虽然增强了安全性,但也带来了一些开发上的挑战,特别是在需要手动操作访问这些私有字段的场景下。
问题背景
在开发博客系统的Page资源时,我们经常会遇到需要创建新页面的场景。一个典型的实现方式是先检查是否存在没有slug的页面,如果没有才创建新页面。这种业务逻辑通常需要手动操作来实现。
action :new, :uuid do
run(fn _, _ ->
case(
__MODULE__
|> Ash.Query.filter(Ash.Expr.expr(is_nil(slug)))
|> Ash.read_one()
) do
{:ok, nil} ->
{:ok, page} =
%{
title: "New Page",
slug: nil,
raw: "",
rendered: ""
}
|> __MODULE__.create()
{:ok, page.id}
{:ok, page} ->
{:ok, page.id}
end
end)
end
这段代码在Ash 3.0中会抛出NoSuchInput错误,因为框架默认阻止了对私有字段的直接访问。
解决方案
Ash框架提供了灵活的属性访问控制机制,开发者可以通过以下几种方式解决这个问题:
- 显式声明可接受的输入字段:
使用
accept关键字明确指定操作可以接收哪些字段作为输入,即使这些字段是私有的。
actions do
create :create do
accept [:title, :slug, :raw, :rendered]
end
end
- 避免使用通配符:
在3.0版本中,
:*通配符仅适用于公共属性。对于需要访问私有字段的场景,应该使用明确的字段列表。
# 不推荐
defaults [:read, :destroy, create: :*, update: :*]
# 推荐
defaults [:read, :destroy, create: [:title, :slug, :raw, :rendered], update: [:title, :slug, :raw, :rendered]]
最佳实践
-
最小权限原则:只为操作接受确实需要的字段,而不是全部字段。
-
分离关注点:为不同的业务场景设计专门的操作,而不是依赖通用操作。
-
文档注释:为每个操作添加文档说明,明确指出它接受的字段和预期行为。
-
测试验证:编写测试用例验证私有字段在手动操作中的行为是否符合预期。
通过遵循这些最佳实践,开发者可以在保持Ash框架安全性的同时,灵活地处理各种业务场景中的私有字段访问需求。
登录后查看全文
热门项目推荐
相关项目推荐
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
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
246
暂无简介
Dart
672
157
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++
663
313
React Native鸿蒙化仓库
JavaScript
262
324
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
🎉 (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
1.2 K
655
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218
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
330
137