Roy 项目技术文档
1. 安装指南
Roy 是一个用于将 Ruby 对象转换为 Rack-friendly 并提供 REST-like 接口的小型模块。要安装 Roy,请按照以下步骤操作:
- 确保你已经安装了 Ruby 环境。
- 使用
gem命令安装 Roy:gem install roy
2. 项目的使用说明
Roy 的主要目标是使任何 Ruby 对象能够与 Rack 兼容,并为其提供 REST-like 接口。Roy 通过提供一个 #call 方法来实现这一点,该方法接收 Rack 环境并将其分派到与 HTTP 方法同名的常规方法。
示例
以下是一个简单的示例,展示了如何使用 Roy 创建一个消息队列对象:
class MessageQueue
include Roy
roy allow: [:get, :post, :delete]
def initialize
@stack = []
end
def get(_)
@stack.inspect
end
def post(_)
roy.halt 403 unless roy.params[:item]
@stack << roy.params[:item].strip
get
end
def delete(_)
@stack.shift.inspect
end
end
在这个示例中,MessageQueue 类包含了 Roy 模块,并通过 roy 方法定义了允许的 HTTP 方法(GET、POST、DELETE)。每个方法处理不同的 HTTP 请求,并操作 @stack 数组。
3. 项目API使用文档
配置
Roy 提供了 roy 类方法来定义访问控制和方法前缀。你还可以定义自定义选项。以下是一个配置示例:
class Example
include Roy
roy allow: [:get], prefix: :http_, foo: "bar"
def http_get(path)
"foo is #{roy.conf.foo}"
end
end
在这个示例中,Example 类只允许 GET 请求,并且方法名前缀为 http_。roy.conf.foo 可以访问自定义配置项 foo。
环境
在处理方法内部,你可以访问 roy 属性,它是一个包含以下字段的 OpenStruct:
env: Rack 环境response: 一个Rack::Response对象,将由call方法返回request: 从环境构建的Rack::Request对象headers: 响应头哈希params: 从查询字符串和请求体中提取的参数conf: 通过::roy设置的配置
params 的键可以通过 String 或 Symbol 访问。
控制流
处理方法在 catch 块中运行,该块会捕获 :halt 符号。你可以使用 throw 来中止方法,但必须返回一个由状态码和消息组成的数组。Roy 提供了 roy.halt 方法,该方法接收状态码和一个可选的消息。如果没有提供消息,则使用 Rack::Utils::HTTP_STATUS_CODES 中的默认消息。
插件
Roy 附带了多个插件,每个插件都设计为只做一件事。以下是完整的插件列表:
- after: 在应用调用后修改响应
- before: 在调用应用前修改环境
- render: 与 Tilt 集成
- plugins: 一个简单的插件加载器
4. 项目安装方式
Roy 可以通过 RubyGems 安装,具体步骤如下:
- 打开终端或命令行工具。
- 运行以下命令安装 Roy:
gem install roy
安装完成后,你可以在 Ruby 项目中使用 require 'roy' 来引入 Roy 模块。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00