CMSPlugin-Filer 技术文档
本文档旨在帮助用户了解并使用 CMSPlugin-Filer 项目。以下是项目安装、使用说明以及 API 使用文档。
1. 安装指南
在开始使用 CMSPlugin-Filer 之前,请确保满足以下依赖条件:
- django-filer >= 1.2
- Django >= 1.8
- django-cms >= 3.1
- django-sekizai >= 0.4.2
- easy_thumbnails >= 1.0
- django-appconf
- djangocms-attributes-field
安装步骤如下:
-
使用 pip 安装 CMSPlugin-Filer:
$ pip install cmsplugin-filer -
根据 django-filer 文档 配置 django-filer。
-
将以下插件添加到
INSTALLED_APPS:INSTALLED_APPS = ( ... 'cmsplugin_filer_file', 'cmsplugin_filer_folder', 'cmsplugin_filer_link', 'cmsplugin_filer_image', 'cmsplugin_filer_teaser', 'cmsplugin_filer_video', ... ) -
运行迁移命令
migrate。
您还可以在 settings.py 中设置 FILER_IMAGE_USE_ICON,以配置 cmsplugin_filer_image 插件使用 32x32 图标表示插件实例。
2. 项目的使用说明
CMSPlugin-Filer 提供了一组用于替换 django-cms 默认插件的插件,这些插件使用 django-filer 的文件字段。
升级到版本 1.1 时,需要注意以下向后不兼容的更改:
迁移布局
迁移文件已移回到标准位置。cmsplugin_filer 1.1 中必须删除与 cmsplugin_filer 相关的 MIGRATION_MODULE 设置项。
删除 ThumbnailOption 模型
ThumbnailOption 已移动到 filer(自 filer 1.2 版本起)。您必须更新引用 ThumbnailOption 的模型和迁移。
model.py
添加以下内容:
try:
from filer.models import ThumbnailOption
thumbnail_model = 'filer.ThumbnailOption'
except ImportError:
from cmsplugin_filer_image.models import ThumbnailOption
thumbnail_model = 'cmsplugin_filer_image.ThumbnailOption'
Django 1.7+ 迁移
对于每个引用 ThumbnailOption 的迁移文件,添加以下导入:
from myapp.models import thumbnail_model
并将所有 'cmsplugin_filer_image.ThumbnailOption' 替换为 thumbnail_model。
South 迁移
在每个迁移文件中添加以下导入:
from myapp.models import thumbnail_model
并将所有 'cmsplugin_filer_image.ThumbnailOption' 替换为 thumbnail_model,以及将 u"orm['cmsplugin_filer_image.ThumbnailOption']" 替换为 u"orm['%s']" % thumbnail_model。
3. 项目 API 使用文档
本项目未提供详细的 API 文档。建议直接查看项目代码和源文件以获取 API 使用信息。
4. 项目安装方式
如前所述,项目的安装方式是通过 pip 安装:
$ pip install cmsplugin-filer
请按照上述指南操作以确保项目正确安装。
本文档基于项目 README 和 GitHub 项目 Wiki 编写,以帮助用户更好地了解和使用 CMSPlugin-Filer 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
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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
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