Ledger Web 技术文档
本文档将详细介绍如何安装、使用和配置 Ledger Web 项目,以及如何通过其 API 进行操作。
1. 安装指南
在开始安装之前,请确保您的系统中已安装 PostgreSQL 9.0 或更高版本。
安装步骤:
$ gem install ledger_web
$ createdb ledger
创建数据库后,您可以通过以下命令启动 Ledger Web:
$ ledger_web
启动成功后,使用浏览器打开 http://localhost:9090,您可以看到一些示例报告。
2. 项目使用说明
Ledger Web 是一个基于 Web 的报告系统,它使用 PostgreSQL 作为后端数据库,并与 Ledger 命令行会计系统配合使用。
配置
Ledger Web 的配置非常简单。创建一个名为 ~/.ledger_web/config.rb 的文件,内容如下:
LedgerWeb::Config.new do |config|
config.set :database_url, "postgres://localhost/ledger"
end
:database_url 应指向您的数据库实例。它可以不是本地的,但配置的用户需要能够修改模式。还有许多其他设置可以配置:
:index_report是 Ledger Web 在首次打开时将浏览器重定向到的报告。默认为:help:port是 Ledger Web 将运行在其上的端口。默认为9090:ledger_file是 Ledger Web 将读取的文件。默认为环境变量LEDGER_FILE:ledger_bin_path是 ledger 二进制文件的路径。默认在PATH中查找
编写报告
报告只是存储在 ~/.ledger_web/reports 目录中的 HTML ERB 文件。Ledger Web 提供了一些有用的辅助方法,让您能够轻松定义 SQL 查询。以下是一个报告示例:
<% @query = query do %>
select
xtn_month,
account,
sum(amount)
from
ledger
where
(account ~ 'Income'
or account ~ 'Expenses')
and xtn_date between :from and :to
group by
xtn_month,
account
<% end %>
<%= table @query %>
query 辅助方法接受一个 SQL 块并返回一个 LedgerWeb::Report 实例。它可以接受一些选项:
:pivot是要透视的列的名称。:pivot_sort_order指定透视列的排序方式。可以是asc或desc。默认为asc。
Ledger Web 使用 Twitter Bootstrap 进行格式化,因此您可以使用任何您想要的方式来格式化您的报告。
table 辅助方法接受一个由 query 辅助方法产生的查询和一些选项,并构建一个 HTML 表格。它还可以接受一个 :links 选项,它将表格中的值链接化。以下是一个例子:
:links => {"Account" => "/reports/register?account=:1"}
这表示 Account 列中的每个值将被一个 <a> 标签包围,指向 /reports/register?account=:1,其中 :1 将被该特定行的第一列的值替换。
3. 项目 API 使用文档
Ledger Web 提供了一个简单的 API,您可以通过它在不同的报告之间进行链接。以下是 API 的基本使用方法:
- 使用
:links选项在报告中创建链接。 - 链接模板可以使用
:1表示列值,:title表示列标题。
4. 项目安装方式
Ledger Web 可以通过以下步骤进行安装:
- 确保系统已安装 PostgreSQL 9.0 或更高版本。
- 使用
gem install ledger_web命令安装 Ledger Web。 - 创建一个名为
ledger的 PostgreSQL 数据库。 - 使用
ledger_web命令启动 Ledger Web。 - 打开浏览器,访问
http://localhost:9090。
以上是 Ledger Web 的基本安装和使用方法。通过自定义配置和编写报告,您可以根据需要创建各种会计报告。
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
LazyLLMLazyLLM是一款低代码构建多Agent大模型应用的开发工具,协助开发者用极低的成本构建复杂的AI应用,并可以持续的迭代优化效果。Python01