Fae CMS 快速入门指南:构建高效的内容管理系统
前言
Fae 是一个基于 Ruby on Rails 的内容管理系统框架,专为开发者设计,提供了快速搭建 CMS 所需的各项功能。本文将详细介绍如何从零开始使用 Fae 构建一个功能完善的内容管理系统。
环境准备
在开始之前,请确保您的开发环境满足以下要求:
- Ruby 2.7 或更高版本
- Rails 7.0 框架
- 数据库系统(推荐 PostgreSQL 或 MySQL)
安装 Rails 7.0 框架:
gem install rails -v '~> 7.0.0'
安装 Fae
第一步:添加依赖
在您的 Rails 项目 Gemfile 中添加 Fae 依赖:
gem 'fae-rails'
然后执行 bundle install 安装依赖。
第二步:运行安装器
执行以下命令初始化 Fae:
rails g fae:install
第三步:启动并配置
启动 Rails 服务器后,访问 /admin 路径创建超级管理员账户。
示例 CMS 构建
让我们通过一个实际案例来展示 Fae 的强大功能:构建一个文章管理系统,包含文章分类和关于我们页面。
使用脚手架生成器
Fae 提供了强大的脚手架生成器,可以快速创建管理界面所需的所有文件。
- 生成文章分类模型:
rails g fae:scaffold ArticleCategory name:string position:integer
- 生成文章模型(包含特殊字段类型):
rails g fae:scaffold Article title:string slug:string introduction:text body:text date:date hero_image:image pdf:file article_category:references
这里使用了 Fae 特有的 image 和 file 类型,它们会自动处理文件上传和关联。
使用页面生成器
Fae 的页面模块允许您将内容块定义为模型属性,便于管理静态页面内容。
生成关于我们页面:
rails g fae:page AboutUs hero_image:image headline:string body:text
数据库迁移
执行迁移命令创建数据库表:
rails db:migrate
表单定制
Fae 生成的表单已经具备基本功能,但我们可以进一步优化用户体验。
文章表单优化
编辑 app/views/admin/articles/_form.html.slim 文件:
- 自动生成 slug:
= fae_input f, :title, input_class: 'slugger'
- 添加 Markdown 编辑器:
= fae_input f, :body, markdown: true
- 使用日期选择器:
fae_datepicker f, :date
表单验证
Fae 支持标准的 Rails 模型验证,并提供了额外的验证辅助方法。
在文章模型中添加验证:
validates :title, presence: true
validates :slug, Fae.validation_helpers.slug
对于唯一性验证,需要在验证配置中暴露字段:
Validation.configure do
expose Article, :slug
end
导航配置
优化后台导航结构,编辑 app/models/concerns/fae/navigation_concern.rb:
def structure
[
item('News', subitems: [
item('Articles', path: admin_articles_path),
item('Article Categories', path: admin_article_categories_path),
]),
item('Pages', subitems: [
item('About Us', path: fae.edit_content_block_path('about_us'))
])
]
end
高级定制与扩展
Fae 设计时就考虑到了可扩展性:
- 可以完全覆盖 Fae 的视图和辅助方法
- 可以使用 Rails 原生方法替代 Fae 提供的功能
- 通过混入模块扩展 Fae 的核心类
结语
通过本指南,您已经掌握了使用 Fae 快速构建内容管理系统的基本方法。Fae 的强大之处在于它既提供了开箱即用的功能,又保留了充分的定制空间,能够随着项目需求的变化而灵活扩展。
建议您在实际项目中尝试这些功能,并根据具体需求进行深度定制。Fae 的模块化设计使得添加新功能或修改现有行为都变得非常简单。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-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