Seed Dump 技术文档
本文档将详细介绍如何安装和使用 Seed Dump 插件,该插件为 Rails 4 和 5 提供了一个名为 db:seed:dump 的 rake 任务。它允许您从数据库中现有的数据创建种子数据文件。
1. 安装指南
要安装 Seed Dump,您可以将它添加到您的 Gemfile 中:
gem 'seed_dump'
或者手动安装:
$ gem install seed_dump
2. 项目的使用说明
Seed Dump 可以通过两种方式使用:rake 任务和 Rails 控制台。
Rake 任务
以下是一些使用 rake 任务的基本示例:
- 将所有数据直接转储到
db/seeds.rb:
$ rake db:seed:dump
- 仅转储
users表中的数据,且最多转储一条记录:
$ rake db:seed:dump MODELS=User LIMIT=1
- 将数据追加到
db/seeds.rb而不是覆盖它:
$ rake db:seed:dump APPEND=true
- 使用另一个输出文件而不是
db/seeds.rb:
$ rake db:seed:dump FILE=db/seeds/users.rb
- 从转储中排除
name和age:
$ rake db:seed:dump EXCLUDE=name,age
控制台
以下是一些使用 Rails 控制台的基本示例:
- 输出所有 User 记录的转储:
puts SeedDump.dump(User)
- 将转储写入文件:
SeedDump.dump(User, file: 'db/seeds.rb')
- 将转储追加到文件:
SeedDump.dump(User, file: 'db/seeds.rb', append: true)
- 从转储中排除
name和age:
SeedDump.dump(User, exclude: [:name, :age])
在任何情况下,ActiveRecord 行的关系可以被转储(但不能转储单个对象)。
3. 项目API使用文档
Seed Dump 提供了以下选项,这些选项适用于 rake 任务和控制台,除非另有说明:
-
append: 如果设置为true,将数据追加到文件而不是覆盖它。默认:false。 -
batch_size: 控制一次写入文件记录的数量。默认:1000。如果转储时内存不足,尝试减少这个值。如果转储速度太慢,尝试增加这个值。 -
exclude: 从转储中排除的属性。对于 rake 任务,传递逗号分隔的列表(例如name,age),对于控制台,传递数组(例如[:name, :age])。默认:[:id, :created_at, :updated_at]。 -
file: 写入指定的输出文件。Rake 任务默认为db/seeds.rb。控制台默认返回字符串。 -
import: 如果设置为true,输出将采用 activerecord-import gem 需要的格式,而不是默认格式。默认:false。 -
limit: 不超过此数量的数据。默认:无限制。仅在 rake 任务中使用。在控制台中,只需传递具有适当限制的 ActiveRecord::Relation(例如SeedDump.dump(User.limit(5)))。 -
conditions: 只转储特定的记录。在控制台中,只需传递具有适当条件的 ActiveRecord::Relation(例如SeedDump.dump(User.where(state: :active)))。 -
model[s]: 限制转储到指定的模型列表。默认:所有模型。如果您使用的是 Rails 引擎,可以通过传递 "EngineName::ModelName" 来转储特定的模型。仅在 rake 任务中使用。例如:rake db:seed:dump MODELS="User, Position, Function"。 -
models_exclude: 从转储中排除指定的模型列表。默认:不排除任何模型。仅在 rake 任务中使用。例如:rake db:seed:dump MODELS_EXCLUDE="User"。
4. 项目安装方式
Seed Dump 的安装方式已在“安装指南”部分详细说明,您可以通过修改 Gemfile 或手动安装 gem 来添加到项目中。
通过上述指南和文档,用户可以轻松安装和使用 Seed Dump 来管理 Rails 项目中的种子数据。
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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
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