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。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00