Rails-Dev-Tweaks 技术文档
1. 安装指南
rails-dev-tweaks 是一个用于优化 Rails(3.1+)开发体验的 Gem。它通过调整 Rails 的自动加载机制,减少不必要的代码重新加载,从而提升开发效率。
安装步骤
-
在您的 Rails 项目的
Gemfile中添加以下行:gem 'rails-dev-tweaks', '~> 1.1' -
运行
bundle install命令以安装 Gem。
2. 项目的使用说明
rails-dev-tweaks 提供了一套默认配置,适用于大多数 Rails 应用。以下是其主要功能:
-
资源请求不会重新加载应用代码:这意味着在开发过程中,对静态资源(如 CSS、JavaScript 文件)的请求不会触发应用代码的重新加载。这通常不会影响开发,除非您在资源中使用了自定义的 Sass 函数或引用了应用代码。
-
XHR 请求会重新加载应用代码:与之前的版本不同,
rails-dev-tweaks现在会在处理 XHR(Ajax)请求时重新加载应用代码。
如果您发现默认配置不符合您的需求,可以通过简单的配置调整来覆盖默认行为。
3. 项目 API 使用文档
3.1 细粒度自动加载配置
您可以通过在应用或环境配置中添加配置块来指定自动加载规则。这些规则通过 skip(排除)和 keep(包含)来定义,后定义的规则会覆盖之前的规则。
config.dev_tweaks.autoload_rules do
# 使用命名匹配器(见下文)。此匹配器会清除所有默认匹配器
keep :all
# 排除所有以 /search 开头的请求
skip '/search'
# 但包含包含 smerch 的路由
keep /smerch/
# 使用块来检查请求
skip { |request| request.post? }
end
默认的自动加载规则适用于大多数开发场景:
config.dev_tweaks.autoload_rules do
keep :all
skip '/favicon.ico'
skip :assets
keep :forced
end
默认情况下,每个跳过自动加载钩子的请求都会在日志中生成一条额外的日志行,以便您了解发生了什么。如果您希望日志更简洁,可以禁用此日志消息:
config.dev_tweaks.log_autoload_notice = false
3.2 命名匹配器
命名匹配器是定义在 RailsDevTweaks::GranularAutoload::Matchers:: 下的类,它们定义了一个 call 方法,该方法接收一个 ActionDispatch::Request 对象,并返回一个布尔值,表示该请求是否匹配。匹配器名称通过 "#{name.to_s.classify}Matcher" 转换为模块名。例如,:assets 会指定 RailsDevTweaks::GranularAutoload::Matchers::AssetMatcher。
任何传递给 skip 或 keep 的额外参数都将作为初始化参数传递给匹配器。
3.2.1 :all
匹配所有传递给它的请求。
3.2.2 :assets
Rails 3.1 集成了 Sprockets 作为其资源打包工具。不幸的是,由于资源打包工具是通过传统的 Rails 调度基础设施挂载的,它隐藏在 Rails 自动加载器(卸载器)后面。此匹配器将匹配任何路由到 Sprockets 的请求(特别是任何挂载的 Sprockets::Base 实例)。
3.2.3 :forced
为了帮助您在需要时进行实时调试,此匹配器将匹配任何将 force_autoload 设置为参数(GET 或 POST)的请求,或者将 Force-Autoload 头设置为某个值的请求。
如果您正在调试 jQuery Ajax 请求,以下代码片段将在浏览器的会话期间启用强制自动加载:
$.ajaxSetup({"beforeSend": function(xhr) {xhr.setRequestHeader("Force-Autoload", "true")} })
3.2.4 :path
通过正则表达式匹配请求的路径。
keep :path, /thing/ # 匹配路径中包含 "thing" 的任何请求。
注意,keep '/stuff' 是 keep :path, /^\/stuff/ 的简写。同样,keep /thing/ 是 keep :path, /thing/ 的简写。
3.2.5 :xhr
匹配任何 XHR 请求(通过 request.xhr?)。这里的假设是您通常不会实时调试 XHR 请求,而是在运行新响应代码之前刷新触发它们的页面。
4. 项目安装方式
rails-dev-tweaks 的安装非常简单,只需在 Gemfile 中添加相应的 Gem 并运行 bundle install 即可。具体步骤已在“安装指南”部分详细说明。
通过本文档,您应该能够顺利安装、配置并使用 rails-dev-tweaks 来优化您的 Rails 开发体验。如果您有任何问题或需要进一步的帮助,请参考项目的官方文档或社区支持。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-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