Go-Admin-UI 项目教程
1. 项目介绍
Go-Admin-UI 是一个基于 Gin + Vue + Element UI & Arco Design & Ant Design 的前后端分离权限管理系统的前端模块。该项目提供了丰富的中间件支持,如用户认证、跨域、访问日志、追踪ID等。它遵循 RESTful API 设计规范,支持 JWT 认证和基于 Casbin 的 RBAC 访问控制模型。此外,Go-Admin-UI 还支持 Swagger 文档生成和 GORM 数据库存储。
2. 项目快速启动
2.1 环境准备
在本地开发环境中,你需要安装以下工具:
- Go 1.17
- Node.js v18+
- npm 6.14.11
- Git
2.2 获取代码
首先,创建一个开发目录并进入该目录:
mkdir goadmin
cd goadmin
然后,分别获取后端和前端代码:
# 获取后端代码
git clone https://github.com/go-admin-team/go-admin.git
# 获取前端代码
git clone https://github.com/go-admin-team/go-admin-ui.git
2.3 启动后端服务
进入后端项目目录并编译项目:
cd go-admin
go build
修改配置文件中的数据库连接信息:
vi config/settings.yml
初始化数据库并启动服务:
# macOS or linux 下使用
./go-admin migrate -c=config/settings.dev.yml
./go-admin server -c config/settings.yml
# ⚠️注意:windows 下使用
go-admin.exe migrate -c=config/settings.dev.yml
go-admin.exe server -c config/settings.yml
2.4 启动前端服务
进入前端项目目录并安装依赖:
cd ../go-admin-ui
npm install
启动前端服务:
npm run dev
3. 应用案例和最佳实践
3.1 用户管理系统
Go-Admin-UI 提供了一个完整的用户管理系统,包括用户管理、部门管理、岗位管理、菜单管理、角色管理等功能。通过这些功能,可以轻松实现用户权限的分配和管理。
3.2 日志管理系统
系统内置了操作日志和登录日志的管理功能,可以记录和查询系统的正常操作日志和异常信息日志,帮助开发者快速定位和解决问题。
3.3 代码生成工具
Go-Admin-UI 提供了代码生成工具,可以根据数据表结构生成对应的增删改查业务代码,全程可视化操作,让基本业务可以零代码实现。
4. 典型生态项目
4.1 Gin Web API 框架
Go-Admin-UI 基于 Gin Web API 框架,提供了丰富的中间件支持,如用户认证、跨域、访问日志、追踪ID等。Gin 是一个高性能的 Go 语言 Web 框架,适合构建 RESTful API。
4.2 Element UI & Arco Design & Ant Design
前端模块使用了 Element UI、Arco Design 和 Ant Design 等流行的 UI 组件库,提供了丰富的 UI 组件和样式,帮助开发者快速构建美观的用户界面。
4.3 Casbin 权限管理
Go-Admin-UI 使用了 Casbin 作为权限管理工具,支持 RBAC 访问控制模型,可以灵活配置用户的权限和角色。
通过以上模块的介绍和快速启动指南,你可以快速上手 Go-Admin-UI 项目,并将其应用于实际开发中。
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