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-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
atomcodeAn open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust012
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00