CarrierWave for Mongoid 技术文档
1. 安装指南
1.1 安装最新版本
你可以通过以下命令安装 carrierwave-mongoid 的最新版本:
gem install carrierwave-mongoid
1.2 在代码中引入
在你的代码中引入 carrierwave-mongoid:
require 'carrierwave/mongoid'
1.3 在 Rails 项目中安装
如果你使用的是 Rails 项目,可以将以下内容添加到 Gemfile 中:
gem 'carrierwave-mongoid', :require => 'carrierwave/mongoid'
注意:如果你使用的是 Rails 4,请确保 mongoid-grid_fs 的版本 >= 1.9.0。如果不确定,可以运行以下命令更新:
gem 'mongoid-grid_fs', github: 'ahoward/mongoid-grid_fs'
2. 项目的使用说明
2.1 快速开始
首先,按照 CarrierWave 主仓库 中的“快速开始”指南进行操作。
接下来,你可以通过将文件赋值给模型的属性来缓存文件,文件会在保存记录时自动存储。例如:
u = User.new
u.avatar = File.open('somewhere')
u.save!
2.2 使用 MongoDB 的 GridFS 存储
在你的上传器中,将存储设置为 :grid_fs:
class AvatarUploader < CarrierWave::Uploader::Base
storage :grid_fs
end
你还可以配置 CarrierWave 使用 Mongoid 的数据库连接,并将所有存储默认设置为 GridFS。配置示例如下:
CarrierWave.configure do |config|
config.storage = :grid_fs
config.root = Rails.root.join('tmp')
config.cache_dir = "uploads"
end
3. 项目 API 使用文档
3.1 上传文件的访问
由于 GridFS 不通过 HTTP 提供文件访问,你需要自己处理文件的流式传输。例如,在 Rails 中,你可以使用 send_data 方法:
class UsersController < ApplicationController
def avatar
content = @user.avatar.read
if stale?(etag: content, last_modified: @user.updated_at.utc, public: true)
send_data content, type: @user.avatar.file.content_type, disposition: "inline"
expires_in 0, public: true
end
end
end
# 在 routes.rb 中
resources :users do
get :avatar, on: :member
end
你可以通过设置 grid_fs_access_url 来告诉 CarrierWave 你将从哪个 URL 提供图像访问:
CarrierWave.configure do |config|
config.grid_fs_access_url = "/systems/uploads"
end
3.2 路由配置
如果你希望使用 #url 方法来获取上传文件的 URL,你需要进行一些额外的配置。
假设你在 User 模型上挂载了一个 avatar 上传器,并且定义了一个 GridfsController。假设你的上传器定义(即 app/uploaders/avatar_uploader.rb)中的 store_dir 如下:
def store_dir
"#{model.class.to_s.underscore}/#{mounted_as}/#{model.id}"
end
如果 grid_fs_access_url(在 config/initializers/carrierwave.rb 中)设置为:
config.grid_fs_access_url = '/uploads/grid'
你需要在 config/routes.rb 中定义如下路由:
match '/uploads/grid/user/avatar/:id/:filename' => 'gridfs#avatar'
现在,user.avatar.url 将返回一个可以在视图中使用的 URL 路径。
3.3 不同版本的上传文件
如果你需要包含不同版本的文件(例如缩略图),可以通过额外的路由来实现:
match '/uploads/grid/user/avatar/:id/:filename' => 'gridfs#thumb_avatar', constraints: { filename: /thumb.*/ }
4. 项目安装方式
4.1 通过 Gemfile 安装
在 Rails 项目中,推荐通过 Gemfile 安装 carrierwave-mongoid:
gem 'carrierwave-mongoid', :require => 'carrierwave/mongoid'
4.2 手动安装
你也可以通过以下命令手动安装:
gem install carrierwave-mongoid
4.3 依赖管理
确保你的项目中安装了正确版本的 mongoid-grid_fs,特别是在使用 Rails 4 时:
gem 'mongoid-grid_fs', github: 'ahoward/mongoid-grid_fs'
5. 已知问题和限制
请注意,嵌入文档中挂载的文件在保存父文档时不会被保存。默认情况下,Mongoid 不会在嵌入文档上触发回调。为了保存嵌入文档中的附件文件,你需要手动处理回调。
以上是 CarrierWave for Mongoid 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你更好地理解和使用该项目。
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-X1-7BSpark-Prover-X1-7B 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-X1-7BSpark-Formalizer-X1-7B 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).Dockerfile015
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