ParseResource 技术文档
1. 安装指南
1.1 通过 Gemfile 安装
在你的 Gemfile 中添加以下内容:
gem "kaminari" # 可选,用于分页支持
gem "parse_resource", "~> 1.8.0"
然后运行 bundle install 来安装依赖。
1.2 通过 gem install 安装
你也可以直接使用 gem install 命令来安装:
gem install kaminari # 可选,用于分页支持
gem install parse_resource
1.3 配置 Parse.com 应用
在 Parse.com 上创建一个账户并创建一个应用。然后复制 app_id 和 master_key 到一个名为 parse_resource.yml 的文件中。如果你使用的是 Rails 应用,请将此文件放置在 config 文件夹中。
development:
app_id: 1234567890
master_key: abcdefgh
test:
app_id: 1234567890
master_key: abcdefgh
production:
app_id: 1234567890
master_key: abcdefgh
如果你将 parse_resource.yml 添加到 .gitignore 中,ParseResource 会从环境变量中查找 API 密钥。如果你使用 Heroku,可以通过以下命令设置环境变量:
heroku config:set PARSE_RESOURCE_APPLICATION_ID=1234567890
heroku config:set PARSE_RESOURCE_MASTER_KEY=abcdefgh
1.4 非 Rails 应用的配置
在非 Rails 应用中,你需要在某个地方(最好是在初始化文件中)包含以下代码:
ParseResource::Base.load!("your_app_id", "your_master_key")
2. 项目的使用说明
2.1 创建模型
你可以通过继承 ParseResource::Base 来创建一个模型:
class Post < ParseResource::Base
fields :title, :author, :body
validates_presence_of :title
end
2.2 创建、更新和删除对象
p = Post.new
# 验证
p.valid? #=> false
p.errors #=> #<ActiveModel::Errors:0xab71998 ... @messages={:title=>["can't be blank"]}>
p.title = "Introducing ParseResource" #=> "Introducing ParseResource"
p.valid? #=> true
# 设置更多属性并保存
p.author = "Alan deLevie"
p.body = "Ipso Lorem"
p.date = Time.now
p.save #=> true
# 更新
p.title = "[Update] Introducing ParseResource"
p.save #=> true
# 删除对象
p.destroy #=> true
p.title #=> nil
2.3 查询对象
posts = Post.where(:author => "Arrington")
posts.each do |post|
"#{post.title}, by #{post.author}"
end
id = "DjiH4Qffke"
p = Post.find(id) # 通过 ID 查找
# ActiveRecord 风格的查找命令
Post.find_by(:title => "Uncrunched") #=> 一个 Post 对象
Post.find_by_title("Uncrunched") #=> 一个 Post 对象
Post.find_all_by_author("Arrington") #=> 一个 Post 数组
2.4 分页支持
使用 kaminari 进行分页:
# 获取第二页结果(默认每页 25 条)
Post.page(2).where(:foo => "bar")
# 获取第二页,每页 100 条结果
Post.page(2).per(100).where(:foo => "bar")
3. 项目 API 使用文档
3.1 用户管理
由于用户在 Parse API 中是特殊的,你必须将类命名为 User 才能继承 ParseUser。
class User < ParseUser
validates_presence_of :username
fields :name, :bio, :email
end
# 创建用户
user = User.new(:username => "adelevie")
user.password = "asecretpassword"
user.save #=> true
# 用户认证
User.authenticate("adelevie", "foooo") #=> false
User.authenticate("adelevie", "asecretpassword") #=> #<User...>
3.2 地理位置查询
class Place < ParseResource::Base
fields :location
end
place = Place.new
place.location = ParseGeoPoint.new :latitude => 34.09300844216167, :longitude => -118.3780094460731
place.save
# 查询附近的地点
Place.near(:location, [34.09300844216167, -118.3780094460731], :maxDistanceInMiles => 10).all
3.3 文件上传
@post = Post.first()
result = Post.upload(uploaded_file.tempfile, uploaded_file.original_filename, content_type: uploaded_file.content_type)
@post.thumbnail = {"name" => result["name"], "__type" => "File", "url" => result["url"]}
4. 项目安装方式
4.1 通过 Gemfile 安装
在 Gemfile 中添加以下内容:
gem "kaminari" # 可选,用于分页支持
gem "parse_resource", "~> 1.8.0"
然后运行 bundle install。
4.2 通过 gem install 安装
你也可以直接使用 gem install 命令来安装:
gem install kaminari # 可选,用于分页支持
gem install parse_resource
4.3 配置 Parse.com 应用
在 Parse.com 上创建一个账户并创建一个应用。然后复制 app_id 和 master_key 到一个名为 parse_resource.yml 的文件中。如果你使用的是 Rails 应用,请将此文件放置在 config 文件夹中。
development:
app_id: 1234567890
master_key: abcdefgh
test:
app_id: 1234567890
master_key: abcdefgh
production:
app_id: 1234567890
master_key: abcdefgh
如果你将 parse_resource.yml 添加到 .gitignore 中,ParseResource 会从环境变量中查找 API 密钥。如果你使用 Heroku,可以通过以下命令设置环境变量:
heroku config:set PARSE_RESOURCE_APPLICATION_ID=1234567890
heroku config:set PARSE_RESOURCE_MASTER_KEY=abcdefgh
4.4 非 Rails 应用的配置
在非 Rails 应用中,你需要在某个地方(最好是在初始化文件中)包含以下代码:
ParseResource::Base.load!("your_app_id", "your_master_key")
通过以上步骤,你可以成功安装并配置 ParseResource,开始使用它来与 Parse.com 的 REST API 进行交互。
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