Ash项目中的动作调用选项全解析
2025-07-08 06:00:19作者:谭伦延
概述
在Ash框架中,通过代码接口调用动作时,开发者可以使用多种选项来定制行为。这些选项提供了强大的灵活性,但同时也带来了发现和理解上的挑战。本文将全面解析Ash资源动作调用时可用的各种选项,帮助开发者充分利用框架提供的功能。
基本动作类型与选项
Ash框架支持多种基本动作类型,每种类型都有其特定的选项集:
- 读取动作(Read):用于查询数据
- 创建动作(Create):用于新建记录
- 更新动作(Update):用于修改现有记录
- 销毁动作(Destroy):用于删除记录
- 自定义动作(Action):开发者定义的特殊操作
通用选项详解
所有动作类型都支持以下通用选项:
:api:指定要使用的Ash API模块:timeout:设置操作超时时间:tracer:用于跟踪操作的模块:verbose?:启用详细日志记录:actor:设置执行操作的当前用户:authorize?:是否执行授权检查:return_notifications?:是否返回操作产生的通知:tenant:多租户环境下的租户标识
读取动作特有选项
读取动作(read)除了通用选项外,还支持以下特殊选项:
-
:query:接受关键字列表形式的查询参数,可包含::filter:数据过滤条件:sort:结果排序规则:limit:返回结果数量限制:offset:结果偏移量:select:指定返回字段:load:预加载关联关系:distinct:去重设置
-
:page:分页相关参数 -
:count:是否返回总数统计 -
:after:分页游标(用于基于游标的分页) -
:before:分页游标(用于基于游标的分页)
变更动作选项
创建(create)、更新(update)和销毁(destroy)动作共享以下选项:
:changeset:预构建的变更集:params:原始参数(自动转换为变更集):select:指定返回字段:load:操作后预加载关联关系:return_changeset?:是否返回变更集而非结果
创建和更新动作特有选项:
:upsert?:是否执行upsert操作:upsert_identity:upsert操作使用的唯一标识
查询构建选项
当通过query参数传递选项时,可以使用Ash.Query.build/3支持的所有选项,包括:
- 复杂过滤条件构建
- 聚合计算配置
- 子查询设置
- 计算字段定义
- 高级排序规则
最佳实践建议
- 性能优化:合理使用
:select和:load选项避免过度获取数据 - 安全考虑:始终设置
:actor并启用:authorize?选项 - 调试技巧:在开发时启用
:verbose?选项查看详细执行过程 - 分页策略:根据数据量选择合适的
:page或游标分页方式 - 变更控制:利用
:return_changeset?在复杂操作中获取中间状态
总结
Ash框架提供了丰富的动作调用选项,这些选项共同构成了框架灵活性的基础。理解并合理使用这些选项,可以显著提高开发效率和应用程序性能。开发者应当根据具体场景选择合适的选项组合,并在项目文档中记录重要的选项使用决策。
登录后查看全文
热门项目推荐
相关项目推荐
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
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
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 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。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
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
177
195
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
647
264
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
270
94
暂无简介
Dart
623
140
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
378
3.34 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.1 K
621
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1