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。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust099- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。Python00
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
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
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