I18nRouting 技术文档
1. 安装指南
I18n_routing 是一个 Ruby on Rails 插件,可以让你轻松地通过 Rails 自带的 I18n API(从版本 2.2 开始包含)来翻译你的路由。
安装步骤:
-
将 I18n_routing 添加到你的 Gemfile 中:
gem 'i18n_routing' -
运行
bundle install来安装 gem。 -
在你的 Rails 应用的
config/initializers目录中创建一个名为i18n_routing.rb的文件,并添加以下内容来设置默认的本地化参数:I18nRouting.setup do |config| # 这里设置你的配置参数 end -
确保你的应用使用的是 Rails 2.3、3.0、3.1 或 3.2 版本。
2. 项目的使用说明
I18n_routing 允许你通过 Rails 的 I18n API 翻译你的路由。这意味着你可以在不同的语言环境中定义路由的名称,使你的应用支持国际化。
使用方法:
-
在你的路由文件(通常是
config/routes.rb)中,使用locale方法来指定需要本地化的路径段:scope "(:locale)", locale: /en|fr|de/ do resources :articles end -
在你的控制器中,你可以使用
I18n.t方法来本地化路由名称:def show @article = Article.find(params[:id]) redirect_to i18n.t('routes.articles.show', id: @article.id) end -
在你的视图文件中,使用 URL 辅助方法时,可以指定语言参数来生成相应的本地化链接:
<%= link_to 'Show', article_path(@article, locale: I18n.locale) %>
3. 项目API使用文档
I18n_routing 提供了一些类方法和实例方法来帮助你处理本地化路由。
类方法:
-
I18nRouting.locale:获取当前的语言环境设置。 -
I18nRoutinglocales:获取支持的所有语言环境。
实例方法:
-
locale:在路由定义中使用,指定路径段需要本地化。 -
t:在控制器或视图中使用,翻译路由名称。
4. 项目安装方式
如前所述,项目可以通过添加到 Gemfile 并运行 bundle install 来安装。确保你的 Rails 版本与 I18n_routing 支持的版本兼容。
本文档旨在帮助用户了解和使用 I18nRouting 插件。如有任何疑问,请参考项目 Wiki 或加入 i18n_routing Google 群组进行讨论。
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-1.5暂无简介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
Spark-Formalizer-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
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