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。
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00- DDeepSeek-OCRDeepSeek-OCR是一款以大语言模型为核心的开源工具,从LLM视角出发,探索视觉文本压缩的极限。Python00
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
HunyuanWorld-Mirror混元3D世界重建模型,支持多模态先验注入和多任务统一输出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Jinja00
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
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).Dockerfile014
Spark-Chemistry-X1-13B科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00