ORPC框架v1.2.0发布:全面支持WebSocket与Zod 4
ORPC是一个现代化的远程过程调用(RPC)框架,它通过类型安全的方式简化了前后端通信。在最新发布的v1.2.0版本中,ORPC带来了两项重大更新:全面的WebSocket支持和对Zod 4的兼容性升级。
WebSocket支持成为核心特性
WebSocket在现代Web应用中扮演着越来越重要的角色,特别是在需要实时双向通信的场景下。ORPC v1.2.0通过引入多种WebSocket适配器,使开发者能够轻松地在不同运行时环境中实现WebSocket通信。
框架现在提供了对Bun、Node、Deno以及Crossws等运行时的原生支持。开发者只需几行代码就能建立一个完整的WebSocket RPC服务:
import { experimental_RPCHandler as RPCHandler } from '@orpc/server/bun-ws'
const handler = new RPCHandler(router)
Bun.serve({
fetch(req, server) {
if (server.upgrade(req)) {
return
}
return new Response('Upgrade failed', { status: 500 })
},
websocket: {
message(ws, message) {
handler.message(ws, message, {
context: {}, // 提供初始上下文
})
},
close(ws) {
handler.close(ws)
},
},
})
这种实现方式不仅简洁,还保持了ORPC一贯的类型安全性。WebSocket适配器会自动处理连接的生命周期,包括消息传递和连接关闭事件,让开发者可以专注于业务逻辑的实现。
Zod 4兼容性升级
Zod作为TypeScript生态中最流行的运行时类型检查库之一,其v4版本带来了许多改进。ORPC v1.2.0现在完全支持Zod 4,开发者可以通过以下方式使用新版本的功能:
import {
experimental_ZodSmartCoercionPlugin as ZodSmartCoercionPlugin
} from '@orpc/zod/zod4'
import {
experimental_ZodToJsonSchemaConverter as ZodToJsonSchemaConverter
} from '@orpc/zod/zod4'
这些工具类帮助开发者在Zod类型定义和JSON Schema之间进行转换,同时提供了智能的类型强制转换功能,大大增强了API的健壮性。
其他重要改进
除了上述两大特性外,v1.2.0版本还包含多项功能增强和问题修复:
-
HEAD方法支持:现在ORPC路由可以正确处理HEAD请求,这对于API健康检查等场景非常有用。
-
OpenAPI增强:
- 新增了
CreateJsonifiedRouterClient功能,简化了客户端代码生成 - 改进了OpenAPI规范在Scalar HTML中的内联显示
- 新增了
-
React集成改进:
useServerAction钩子现在内部使用React的useTransition,提供了更流畅的用户体验。 -
服务器稳定性提升:
- 修复了SSE(服务器发送事件)在客户端断开连接时可能导致服务器崩溃的问题
- 改进了事件迭代器的清理逻辑,防止内存泄漏
总结
ORPC v1.2.0通过引入WebSocket支持和Zod 4兼容性,进一步巩固了其作为现代化RPC框架的地位。这些更新不仅扩展了框架的应用场景,也提升了开发体验和运行稳定性。对于需要构建类型安全、实时通信应用的开发者来说,这个版本无疑提供了更加强大的工具集。
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