Rein 项目技术文档
1. 安装指南
安装 Rein 项目
首先,确保你已经安装了 Ruby 环境。然后,通过以下命令安装 Rein gem:
gem install rein
2. 项目的使用说明
概述
Rein 是一个用于在 ActiveRecord 迁移中添加数据库约束的工具。通过 Rein,你可以在数据库级别上确保数据的完整性,而不是仅仅依赖于应用程序级别的验证。Rein 提供了多种约束类型,如外键约束、唯一约束、排除约束等,帮助你更好地管理数据库中的数据。
使用示例
以下是一个简单的示例,展示如何在创建 authors 表时添加一个 name 字段的非空约束:
class CreateAuthorsTable < ActiveRecord::Migration
def change
create_table :authors do |t|
t.string :name, null: false
end
# 确保作者必须有一个名字
add_presence_constraint :authors, :name
end
end
3. 项目API使用文档
约束类型
Rein 提供了多种约束类型,以下是主要约束类型的简要说明:
外键约束
外键约束用于确保某一列的值必须存在于另一张表的某一列中。例如,确保 books 表中的 author_id 列的值必须存在于 authors 表的 id 列中:
add_foreign_key_constraint :books, :authors
唯一约束
唯一约束用于确保某一列的值在表中是唯一的。例如,确保 books 表中的 isbn 列的值是唯一的:
add_unique_constraint :books, :isbn
排除约束
排除约束类似于唯一约束,但它更通用,可以禁止两行在某些列上具有某种关系。例如,确保 book_owners 表中的 book_id 和 owned_during 列的值不会重叠:
add_exclusion_constraint :book_owners, [[:book_id, '='], [:owned_during, '&&']], using: :gist
包含约束
包含约束用于指定某一列的值必须包含在给定的值列表中。例如,确保 books 表中的 state 列的值只能是 available 或 on_loan:
add_inclusion_constraint :books, :state, in: %w[available on_loan]
长度约束
长度约束用于指定某一字符串列的长度范围。例如,确保 books 表中的 call_number 列的长度在 1 到 255 之间:
add_length_constraint :books, :call_number,
greater_than_or_equal_to: 1,
less_than_or_equal_to: 255
4. 项目安装方式
通过 Gem 安装
Rein 可以通过 RubyGems 安装,使用以下命令:
gem install rein
在 Rails 项目中使用
在 Rails 项目中,你可以在 Gemfile 中添加以下行来引入 Rein:
gem 'rein'
然后运行 bundle install 来安装。
在迁移中使用
安装完成后,你可以在 ActiveRecord 迁移中使用 Rein 提供的各种约束方法,如 add_presence_constraint、add_foreign_key_constraint 等。
class CreateAuthorsTable < ActiveRecord::Migration
def change
create_table :authors do |t|
t.string :name, null: false
end
add_presence_constraint :authors, :name
end
end
通过以上步骤,你可以在项目中成功安装并使用 Rein 来管理数据库约束。
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