Django-Vinaigrette 使用与技术文档
1. 安装指南
在开始使用django-vinaigrette之前,需要按照以下步骤进行安装:
- 将
vinaigrette添加到您的Django项目的INSTALLED_APPS配置中。 - 在适当的
apps.py文件中的AppConfig的ready方法里注册需要翻译的模型字段。
import vinaigrette
class SaladAppConfig(AppConfig):
def ready(self):
# 导入需要翻译的模型
from .models import Ingredient # 或其他模型...
Ingredient = self.get_model("Ingredient")
# 注册需要翻译的字段
vinaigrette.register(Ingredient, ['name', 'description'])
这会告诉vinaigrette翻译Ingredient对象上的name和description字段。
2. 项目使用说明
安装vinaigrette之后,使用manage.py makemessages命令生成的PO文件将包含已注册字段的字符串。如果某个特定的字符串已经被翻译,那么模型的值将是翻译成相应语言的字符串。
from django.utils.translation import activate
i = Ingredient(name=u'莴苣')
print(i.name) # 输出原始值
activate('fr') # 激活法语
print(i.name) # 输出翻译后的值
vinaigrette还提供了一些选项来限制从哪些对象收集翻译字符串。详情请参考vinaigrette.register的文档字符串。
vinaigrette为manage.py makemessages命令增加了一个--keep-obsolete选项,这可以防止gettext停用代码或已注册数据库字段中不再存在的翻译消息。
vinaigrette适用于以下类型的数据库内容:
- 总是使用默认语言编辑
- 由网站管理员编辑,而非用户
只有模型实例会被翻译。通过Django QuerySet的values方法访问的数据不会被翻译。
一般情况下,当访问字段时,如果存在翻译版本,它将始终返回翻译版本。但是,如果设置值,则应该将输入的确切值(而非翻译版本)保存到数据库。
3. 项目API使用文档
目前项目中的API主要是通过注册模型和字段来进行翻译操作,以下是主要API的使用方法:
-
vinaigrette.register(model, fields): 注册需要翻译的模型及其字段。 -
vinaigrette.middleware.VinaigretteAdminLanguageMiddleware: 中间件,用于强制后台管理界面始终使用主语言,避免vinaigrette干扰更改视图。
4. 项目安装方式
项目的安装方式已在“安装指南”一节中说明。这里补充一下,如果遇到后台管理界面问题,请确保在settings.MIDDLEWARE中添加了VinaigretteAdminLanguageMiddleware中间件。
MIDDLEWARE = [
# 其他中间件...
'vinaigrette.middleware.VinaigretteAdminLanguageMiddleware',
# 其他中间件...
]
以上就是django-vinaigrette的安装使用和技术文档,如果需要更多帮助,请参考项目在GitHub上的wiki页面。
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-7BSpark-Prover-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-7BSpark-Formalizer-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).Dockerfile014
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