FriendlyId 技术文档
1. 安装指南
1.1 添加 Gem 到 Gemfile
首先,在你的 Rails 应用的 Gemfile 中添加以下代码:
gem 'friendly_id', '~> 5.5.0'
注意:对于 Rails 4.0 及以上版本,你必须使用 5.0.0 或更高版本的 FriendlyId。
1.2 安装 Gem
在终端中运行以下命令来安装 Gem:
bundle install
1.3 添加 slug 列
接下来,你需要为相应的表添加一个 slug 列。例如,如果你希望在 Users 表中使用 FriendlyId,可以运行以下命令:
rails g migration AddSlugToUsers slug:uniq
1.4 生成配置文件和迁移
运行以下命令生成 FriendlyId 的配置文件和一个新的迁移:
rails generate friendly_id
注意:如果你不打算使用 slug 历史功能,可以删除生成的 CreateFriendlyIdSlugs 迁移文件。
1.5 运行迁移
最后,运行数据库迁移:
rails db:migrate
2. 项目的使用说明
2.1 配置模型
在 app/models/user.rb 文件中,添加以下代码以启用 FriendlyId:
class User < ApplicationRecord
extend FriendlyId
friendly_id :name, use: :slugged
end
2.2 修改控制器
在 app/controllers/users_controller.rb 文件中,将 User.find 替换为 User.friendly.find:
class UserController < ApplicationController
def show
@user = User.friendly.find(params[:id])
end
end
2.3 创建用户并访问
现在,你可以创建一个新用户,并使用友好的 URL 访问用户页面。例如:
User.create! name: "Joe Schmoe"
然后,你可以通过以下 URL 访问用户页面:
http://localhost:3000/users/joe-schmoe
2.4 为现有用户生成 slug
如果你是在现有应用中添加 FriendlyId,并且需要为现有用户生成 slug,可以在控制台、runner 或 Rake 任务中运行以下代码:
User.find_each(&:save)
3. 项目 API 使用文档
3.1 friendly.find 方法
FriendlyId 提供了 friendly.find 方法,用于通过 slug 查找记录。你可以使用以下方式调用:
User.friendly.find("joe-schmoe")
3.2 :allow_nil 选项
如果你希望在找不到记录时不抛出 ActiveRecord::RecordNotFound 异常,而是返回 nil,可以使用 :allow_nil 选项:
User.friendly.find("bad-slug", allow_nil: true)
#=> nil
4. 项目安装方式
4.1 通过 Gemfile 安装
最常见的安装方式是通过 Gemfile 安装 FriendlyId。只需在 Gemfile 中添加以下代码并运行 bundle install:
gem 'friendly_id', '~> 5.5.0'
4.2 手动安装
你也可以手动安装 FriendlyId,只需在终端中运行以下命令:
gem install friendly_id -v 5.5.0
4.3 使用 Bundler 安装
如果你使用 Bundler 管理依赖,可以通过以下命令安装:
bundle add friendly_id
通过以上步骤,你可以成功安装并使用 FriendlyId 来为你的 Rails 应用生成友好的 URL。
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-7BSpark-Prover-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-7BSpark-Formalizer-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).Dockerfile014
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