JEECG-Boot积木大屏组件图标404问题解决方案
问题背景
在JEECG-Boot项目中集成积木大屏1.9.1版本时,虽然通过网关配置/darg/**路由能够成功访问大屏页面,但在点击设计功能时,发现上方组件的小图标无法正常加载,出现404错误。这种情况通常是由于资源路径映射配置不完整导致的。
问题分析
积木大屏的设计界面需要加载多种静态资源,包括组件图标等。当这些资源请求路径与后端实际存储路径不一致时,就会出现404错误。从错误截图可以看出,浏览器尝试请求/img/目录下的资源,但未能成功获取。
解决方案
要解决这个问题,需要在网关配置中增加对/img/**路径的映射规则。具体配置如下:
{
"id": "jeecg-system-api-rewrite",
"order": 0,
"predicates": [
{
"name": "Path",
"args": {
"_genkey_0": "/img/**"
}
}
],
"filters": [
{
"name": "RewritePath",
"args": {
"_genkey_0": "/img/(?<segment>.*)",
"_genkey_1": "/drag/lib/img/${segment}"
}
}
],
"uri": "lb://jeecg-system"
}
配置说明
-
predicates部分定义了匹配规则,当请求路径以/img/开头时,会应用此路由规则。
-
filters部分使用RewritePath过滤器,将请求路径中的/img/重写为/drag/lib/img/,保持路径的其余部分不变。
-
uri指定了实际处理请求的后端服务,使用负载均衡方式指向jeecg-system服务。
实现原理
这种配置实现了请求路径的重定向,当浏览器请求/img/下的资源时,网关会将这些请求实际转发到/drag/lib/img/目录下。积木大屏的静态资源实际上存放在/drag/lib/img/目录中,通过这种重写规则,前端可以保持原有的请求路径不变,而后端能够正确找到资源文件。
注意事项
-
确保积木大屏的所有静态资源文件确实存在于/drag/lib/img/目录中。
-
如果项目中有其他需要特殊处理的静态资源路径,也需要在网关中配置相应的重写规则。
-
在微服务架构中,静态资源的路径映射是常见问题,建议在项目初期就规划好静态资源的存放位置和访问路径。
通过以上配置,积木大屏设计界面中的组件图标应该能够正常显示,设计功能可以完整使用。这种解决方案不仅适用于积木大屏模块,也可以作为处理类似静态资源访问问题的参考方案。
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-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