I18n::Backend::ActiveRecord 技术文档
1. 安装指南
1.1 使用 Bundler 安装
在项目的 Gemfile 中添加以下内容:
gem 'i18n-active_record', require: 'i18n/active_record'
然后运行以下命令更新 Gem 包:
bundle install
1.2 运行安装器
更新 Gem 包后,运行以下命令以安装 i18n-active_record:
rails g i18n:active_record:install
该命令将生成一个迁移文件,用于创建 translations 表。
1.3 自定义表名
如果需要自定义表名,可以使用以下命令:
rails g i18n:active_record:install MyTranslation
1.4 简单安装
如果需要进行简单安装,可以使用以下命令:
rails g i18n:active_record:install --simple
该命令将生成一个简单的初始化文件。
1.5 配置清理方式
可以通过以下配置指定 ActiveRecord 后端在清理时使用 destroy 或 delete:
I18n::Backend::ActiveRecord.configure do |config|
config.cleanup_with_destroy = true # 默认值为 false
end
1.6 配置缓存
如果需要在生产环境中缓存翻译,可以使用以下配置:
I18n::Backend::ActiveRecord.configure do |config|
config.cache_translations = true # 默认值为 false
end
2. 项目的使用说明
2.1 基本使用
安装完成后,可以使用 I18n.t('Your String') 来从数据库中查找翻译。
2.2 自定义翻译模型
默认情况下,该 gem 使用内置的翻译模型。如果需要扩展功能,可以自定义翻译模型:
class MyTranslation < I18n::Backend::ActiveRecord::Translation
def value=(val)
super("custom #{val}")
end
end
I18n::Backend::ActiveRecord.configure do |config|
config.translation_model = MyTranslation
end
2.3 处理缺失翻译
为了使 I18n::Backend::ActiveRecord::Missing 模块正常工作,需要正确配置复数规则。i18n.plural.keys 翻译键应存在于任何后端中。
en:
i18n:
plural:
keys:
- :zero
- :one
- :other
2.4 插值字段
translations 表中的 interpolations 字段用于存储首次请求翻译时的插值。这有助于翻译人员理解需要包含哪些插值。
3. 项目API使用文档
3.1 基本API
I18n.t('Your String'): 从数据库中查找翻译。
3.2 配置API
I18n::Backend::ActiveRecord.configure: 配置 ActiveRecord 后端的选项,如清理方式和缓存。
3.3 自定义模型API
I18n::Backend::ActiveRecord::Translation: 默认的翻译模型,可以继承并扩展。
4. 项目安装方式
4.1 通过 Bundler 安装
在 Gemfile 中添加 gem 'i18n-active_record',然后运行 bundle install。
4.2 运行安装器
使用 rails g i18n:active_record:install 命令生成迁移文件并配置初始化文件。
4.3 自定义安装
可以通过 --simple 选项进行简单安装,或通过指定表名进行自定义安装。
4.4 配置选项
通过 I18n::Backend::ActiveRecord.configure 配置清理方式和缓存选项。
以上是 I18n::Backend::ActiveRecord 项目的技术文档,涵盖了安装指南、使用说明、API 文档以及安装方式。希望这份文档能帮助用户更好地理解和使用该项目。
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
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