Morpheus GraphQL 项目教程
2024-09-18 13:09:08作者:滕妙奇
1. 项目介绍
Morpheus GraphQL 是一个用于构建 GraphQL API 的 Haskell 库,支持服务器端和客户端开发。它能够将 Haskell 类型转换为 GraphQL 模式,并且所有的解析器都是原生的 Haskell 函数。Morpheus 还支持将 GraphQL 模式或查询转换为 Haskell 类型,并在编译时进行验证。尽管 Morpheus 仍处于早期开发阶段,但它已经具备了构建复杂 GraphQL API 的能力,并且欢迎社区的任何反馈和贡献。
2. 项目快速启动
2.1 安装依赖
首先,确保你已经安装了 Haskell 和 Stack。然后,将 Morpheus GraphQL 添加到你的项目依赖中。假设你使用的是 hpack,可以在 package.yml 中添加以下内容:
dependencies:
- morpheus-graphql
同时,在 stack.yml 中指定版本:
resolver: lts-16.2
extra-deps:
- morpheus-graphql-0.17.0
2.2 创建你的第一个 GraphQL API
以下是一个简单的示例,展示如何使用 Morpheus GraphQL 创建一个基本的 GraphQL API。
{-# LANGUAGE DeriveGeneric #-}
{-# LANGUAGE DuplicateRecordFields #-}
{-# LANGUAGE FlexibleContexts #-}
{-# LANGUAGE FlexibleInstances #-}
{-# LANGUAGE MultiParamTypeClasses #-}
{-# LANGUAGE NamedFieldPuns #-}
{-# LANGUAGE OverloadedStrings #-}
{-# LANGUAGE ScopedTypeVariables #-}
{-# LANGUAGE TemplateHaskell #-}
{-# LANGUAGE TypeFamilies #-}
module API (api) where
import Data.ByteString.Lazy.Char8 (ByteString)
import Data.Morpheus (interpreter)
import Data.Morpheus.Document (importGQLDocument)
import Data.Morpheus.Types (RootResolver (..), Undefined (..))
import Data.Text (Text)
importGQLDocument "schema.gql"
rootResolver :: RootResolver IO () Query Undefined Undefined
rootResolver = RootResolver
{ queryResolver = Query
{ deity = \DeityArgs {name} -> pure Deity
{ name = pure name
, power = pure (Just "Shapeshifting")
}
}
, mutationResolver = Undefined
, subscriptionResolver = Undefined
}
api :: ByteString -> IO ByteString
api = interpreter rootResolver
2.3 运行服务器
你可以使用 scotty 或其他 Web 框架来运行这个 API。以下是一个简单的 scotty 示例:
import Web.Scotty
main :: IO ()
main = scotty 3000 $ do
post "/api" $ do
body <- body
result <- liftIO $ api body
raw result
3. 应用案例和最佳实践
3.1 应用案例
Morpheus GraphQL 可以用于构建各种类型的 GraphQL API,例如:
- 神话数据库 API:通过 Morpheus GraphQL,你可以轻松地构建一个查询古代神话数据的 API。例如,你可以查询不同神话中的神祇及其能力。
type Query {
deity(name: String): Deity
}
type Deity {
name: String
power: String
}
3.2 最佳实践
- 使用模板 Haskell:Morpheus 支持使用模板 Haskell 生成类型,这可以减少手动定义类型的繁琐工作。
- 利用 Haskell 的类型系统:充分利用 Haskell 的强大类型系统来确保你的 API 在编译时是类型安全的。
- 参与社区:Morpheus 是一个开源项目,欢迎任何形式的贡献。你可以通过 GitHub 提交问题或参与讨论。
4. 典型生态项目
- morpheus-graphql-cli:这是一个用于生成 Morpheus GraphQL 代码的命令行工具,可以帮助你快速生成 GraphQL 模式和解析器代码。
- mythology-api:这是一个使用 Morpheus GraphQL 构建的示例项目,展示了如何构建一个查询古代神话数据的 API。
通过这些生态项目,你可以更深入地了解 Morpheus GraphQL 的使用和扩展。
登录后查看全文
热门项目推荐
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-X1-7BSpark-Prover-X1-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
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-X1-7BSpark-Formalizer-X1-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile015
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
306
2.7 K
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
138
169
暂无简介
Dart
598
130
React Native鸿蒙化仓库
JavaScript
235
309
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
632
232
仓颉编译器源码及 cjdb 调试工具。
C++
123
695
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.06 K
616
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
197
74
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
460