Irwi 技术文档
本文档将详细介绍如何安装、使用及配置 Irwi 插件,该插件为 Ruby on Rails 4 应用程序提供维基功能。
1. 安装指南
在您的 Gemfile 文件中添加以下内容:
gem 'irwi', :git => 'git://github.com/alno/irwi.git'
然后在您的应用程序目录中执行以下命令:
rails g irwi_wiki
此命令将生成以下文件:
WikiPageController:用于服务维基页面WikiPage:表示页面的模型- 数据库迁移文件
同时,它将在您的 routes.rb 文件中添加类似以下内容:
wiki_root '/wiki'
2. 项目使用说明
维基语法
您可以通过以下方式在文本中链接其他页面:
[[某个页面标题]]
如果链接的页面存在,它将被替换为指向该页面的链接;如果不存在,它将被替换为指向新页面的链接。
模板定义
您可以创建自己的控制器动作模板(show、edit 和 history),如果不自定义,将使用内置的默认模板。
辅助方法定义
以下辅助方法默认被定义,您可以用自己的方法替换它们:
wiki_user:根据给定的用户对象渲染用户名或链接。默认情况下,对于nil,它渲染<Unknown>,对于其他用户,渲染 "User#{user.id}"。
配置
配置选项可以通过 Irwi.config 对象访问。目前支持的选项有:
-
user_class_name:用户模型类的名称。默认为'User'。 -
formatter:在输出之前处理维基内容的格式化器实例(见下文)。 -
paginator:显示分页控制的分页器实例(见下文)。 -
comparator:构建并渲染两个文本之间的更改集合的比较器实例。默认使用Irwi::Comparators::DiffLcs。
格式化器
Irwi 支持自定义格式化器,可以通过设置 Irwi.config.formatter 为相应的实例来配置。每个格式化器都应该有一个 format 方法,它接收一个字符串并返回格式化后的字符串。
以下是一些基于不同宝石的支持的格式化器(您应该将它们添加到应用程序的 Gemfile 中):
Irwi::Formatters::RedCloth:基于RedCloth宝石的 Markdown 格式化器。Irwi::Formatters::RedCarpet:基于redcarpet宝石的 Markdown 格式化。Irwi::Formatters::BlueCloth:基于BlueCloth宝石的 Textile 格式化。Irwi::Formatters::WikiCloth:基于wiki_cloth宝石的格式化器。Irwi::Formatters::SimpleHtml:不做任何处理的格式化器。
默认情况下,Irwi 会选择应用程序 Gemfile 中存在的第一个格式化器。您也可以通过指定 Irwi.config.formatter 值来显式选择格式化器,例如:
Irwi.config.formatter = Irwi::Formatters::BlueCloth.new
分页器
Irwi 支持自定义分页器,可以通过设置 Irwi.config.paginator 为相应的实例来配置。以下是一些支持的分页器(您应该将它们添加到应用程序的 Gemfile 中):
Irwi::Paginators::WillPaginate:基于will_paginate宝石。Irwi::Paginators::Kaminari:基于kaminari宝石。Irwi::Paginators::None:不执行任何操作的格式化器。
默认情况下,Irwi 会选择应用程序 Gemfile 中存在的第一个分页器。您也可以通过指定 Irwi.config.paginator 值来显式选择分页器,例如:
Irwi.config.paginator = Irwi::Paginators::WillPaginate.new
3. 项目API使用文档
Irwi 提供了一些方法和配置选项,您可以在您的应用程序中使用它们。
-
Irwi.config:访问配置选项。 -
wiki_user:辅助方法,用于渲染用户名或链接。 -
irwi_wiki:生成器方法,用于创建维基相关的模型和控制器。 -
irwi_wiki_attachments:生成器方法,用于添加附件功能。
4. 项目安装方式
请参考“安装指南”部分,其中包括将 Irwi 添加到 Gemfile 和执行相关命令的步骤。
通过上述步骤,您可以轻松地在您的 Ruby on Rails 4 应用程序中集成 Irwi 插件,并开始使用维基功能。
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