使用ogent:Ent ORM与ogen的无缝整合指南
1. 项目介绍
ogent 是一个专为Ent ORM设计的扩展包,它通过集成ogen这个强大的OpenAPI Specification文档代码生成器,提供了一种类型安全、无需反射的方式来实现RESTful API服务。此工具利用Ent ORM的能力来处理数据访问层,而ogen负责基于定义的OpenAPI文档生成服务器端逻辑。ogent作为二者之间的桥梁,自动完成ogen所需的手动实现部分,使得开发者可以轻松创建并维护符合OpenAPI v3规范的CRUD操作。
2. 项目快速启动
要快速开始使用ogent,首先确保你的开发环境中已安装了Go语言,并设置好了GOPATH或使用Go Modules。
安装ogent
执行以下命令将ogent添加到你的项目中。
go get ariga.io/ogent@main
配置Ent与ogent
接下来,在Ent项目中设置必要的配置文件,首先是创建ent/entc.go,用于集成ogent与entoas(另一个Ent扩展,用于生成OpenAPI Spec):
//go:build ignore
package main
import (
"log"
"ariga.io/ogent"
"entgo.io/contrib/entoas"
"entgo.io/ent/entc"
"entgo.io/ent/entc/gen"
"github.com/ogen-go/ogen"
)
func main() {
spec := new(ogen.Spec)
oas, err := entoas.NewExtension(entoas.Spec(spec))
if err != nil {
log.Fatalf("creating entoas extension: %v", err)
}
ogent, err := ogent.NewExtension(spec)
if err != nil {
log.Fatalf("creating ogent extension: %v", err)
}
err = entc.Generate("./schema", &gen.Config{}, entc.Extensions(oent, oas))
if err != nil {
log.Fatalf("running ent codegen: %v", err)
}
}
确保在你的项目中编辑或创建ent/generate.go,使其调用上述entc.go文件来进行代码生成步骤:
//go:generate go run ./ent/entc.go
最后,运行代码生成器:
go generate
这将会自动生成一系列处理REST API所需的Go代码。
3. 应用案例和最佳实践
在你的应用程序中加入自定义逻辑和健康检查功能是个不错的实践。例如,你可以扩展ogent生成的接口来实现数据库健康检查路由:
首先,更新ent/entc.go以添加新的API路径:
spec.AddPathItem("/db-health", ogen.NewPathItem().
SetDescription("Check the servers DB status").
SetGet(ogen.NewOperation().
SetOperationID("DBHealth").
SetSummary("Ping the database and report").
AddResponse("204", ogen.NewResponse().SetDescription("DB is reachable")).
AddResponse("503", ogen.NewResponse().SetDescription("DB is not reachable"))))
然后,在你的主要应用程序逻辑中实现该接口:
type handler struct {
ogent.OgentHandler
db *sql.DB
}
func (h handler) DBHealth(ctx context.Context) (*ogent.DBHealthRes, error) {
if err := h.db.Ping(); err != nil {
return &ogent.DBHealthServiceUnavailable{}, nil
}
return &ogent.DBHealthNoContent{}, nil
}
记得调整数据库连接和其他必要的上下文配置。
4. 典型生态项目
ogent与Ent ORM结合使用的场景广泛存在于需要快速构建RESTful API服务的Go应用中,特别是在那些重视代码质量和生产效率的项目中。虽然ogent本身是一个较为专业的工具,但其在微服务架构、云原生应用、以及需要标准化API文档的服务开发中显示出极高的价值。此外,结合Ent ORM的强大数据建模能力,ogent使得在Go生态系统中实现高度可维护且规范化的API成为可能。
以上就是ogent的快速入门及基本使用方法。随着对ogent深入探索,你可以发现更多高级特性和定制化选项,进一步优化你的API开发流程。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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