Pinax Likes 技术文档
1. 安装指南
要安装 pinax-likes,请运行以下命令:
pip install pinax-likes
在 INSTALLED_APPS 设置中添加 pinax.likes:
INSTALLED_APPS = [
# 其他应用
"pinax.likes",
]
在设置文件中将想要被喜欢的模型添加到 PINAX_LIKES_LIKABLE_MODELS:
PINAX_LIKES_LIKABLE_MODELS = {
"app.Model": {} # 在这个字典中为每个模型覆盖默认配置设置
}
将 pinax.likes.auth_backends.CanLikeBackend 添加到 AUTHENTICATION_BACKENDS(或使用自己的自定义版本,检查 pinax.likes.can_like 权限):
AUTHENTICATION_BACKENDS = [
# 其他后端
"pinax.likes.auth_backends.CanLikeBackend",
]
在项目的 urlpatterns 中添加 pinax.likes.urls:
urlpatterns = [
# 其他 URL
url(r"^likes/", include("pinax.likes.urls", namespace="pinax_likes")),
]
2. 项目的使用说明
将每个需要被喜欢的模型添加到 PINAX_LIKES_LIKABLE_MODELS 设置中:
PINAX_LIKES_LIKABLE_MODELS = {
"profiles.Profile": {},
"videos.Video": {},
"biblion.Post": {},
}
在 Django 模板中显示“喜欢”小部件。假设你有一个博客文章的详细页面。首先在模板中加载标签:
{% load pinax_likes_tags %}
在想要显示喜欢小部件的位置,添加:
{% likes_widget request.user post %}
确保你安装了 eldarion-ajax。
Eldarion AJAX
上述的 likes_widget 模板标签和“切换喜欢”视图都遵循 eldarion-ajax 理解的 AJAX 响应。此外,本项目提供的模板将与 eldarion-ajax 无缝工作。在你的基础模板中包含 eldarion-ajax.min.js JavaScript 包:
{% load staticfiles %}
<script src="{% static "js/eldarion-ajax.min.js" %}"></script>
并在你的站点 JavaScript 中包含 eldarion-ajax:
require('eldarion-ajax');
使用 eldarion-ajax 是可选的。你可以滚动自己的 JavaScript 处理,因为视图除了返回渲染的 HTML 外,还会返回数据。此外,如果你根本不想要 ajax,视图将处理常规 POST 并执行重定向。
3. 项目API使用文档
本项目提供了以下模板标签和信号供使用:
信号
pinax.likes.signals.object_liked 和 pinax.likes.signals.object_unliked 分别在对象被喜欢和取消喜欢后发送,包含了相关的 Like 实例或对象。
滤镜
likes_count 滤镜返回给定对象喜欢的数量。
模板标签
who_likes:获取给定对象的喜欢列表。likes:获取给定用户喜欢的对象列表。render_like:渲染一个喜欢。likes_widget:渲染一个 HTML 片段,用户点击它可以取消喜欢或喜欢对象。liked:装饰一个对象的可迭代列表,指示指定用户是否喜欢每个对象。
4. 项目安装方式
请参考上述“安装指南”部分进行项目的安装。安装完成后,根据“项目的使用说明”部分配置并使用 pinax-likes。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00