Hilla 24.7.0.beta1 版本发布:全栈开发框架的重要更新
Hilla 是一个现代化的全栈开发框架,它结合了 Spring Boot 后端和 React 前端,为开发者提供了高效、一致的开发体验。Hilla 通过自动生成 TypeScript 类型定义和客户端 API,简化了前后端交互的复杂性,让开发者能够专注于业务逻辑的实现。
行为变更:Spring 集成优化
本次版本中,Hilla 对浏览器可调用服务(@BrowserCallable 和 @Endpoint)的发现机制进行了重要改进。现在完全依赖 Spring 框架来发现这些服务类,而不是使用独立的类路径扫描机制。
这一变化带来了几个关键影响:
- 只有被 Spring 管理的 Bean 才能作为浏览器可调用服务
- 自定义 Hilla 插件类路径配置的支持已被移除
- 简化了构建配置,消除了重复的类路径规范
对于开发者来说,这意味着如果你的浏览器可调用服务定义在依赖或其他包中,必须确保它们被包含在 Spring 的组件扫描范围内。
新特性亮点
文件上传支持
Hilla 现在原生支持文件上传功能。在后端可以使用 Spring 的 MultipartFile 类型作为参数,前端则对应使用 TypeScript 的 File 类型。这一特性简化了文件上传功能的实现,开发者不再需要手动处理复杂的文件传输逻辑。
空值注解标准化
框架现在全面支持 Spring 和 JSpecify 标准的 @Nullable 和 @NonNull 注解,同时废弃了 Hilla 自有的空值注解。这一变化使得 Hilla 更好地与 Java 生态系统集成,减少了开发者需要学习的新概念。
对于 Kotlin 开发者,Gradle 插件现在会自动添加编译器参数来支持这些空值注解和验证注解,进一步提升了开发体验。
响应式编程增强
Hilla 改进了响应式编程的支持:
- 新增了
mute调用选项,允许绕过内置的进度指示器 - 为
onError响应式订阅回调添加了错误消息参数 - 简化了 JSON 处理,不再要求同时存在
@JsonValue和@JsonCreator注解
全栈信号(实验性功能)
在实验性的全栈信号功能中,现在客户端默认值的提供变为可选。这一变化使得信号的使用更加灵活,适应更多场景需求。
AutoCrud 改进
AutoCrud 组件现在更加智能:
- 网格和 CRUD 服务会尊重 Spring 的最大分页大小限制
- 支持移除新建按钮,满足只读场景的需求
数据绑定增强
数据绑定功能得到了显著提升:
- 新增
useGridDataProvider钩子,简化了 Grid 组件与服务连接的逻辑 - 新增
useComboBoxDataProvider钩子,为 ComboBox 组件提供了类似的支持 - 改进了日期组件的表单验证反馈,对不可解析的输入提供了更好的用户体验
总结
Hilla 24.7.0.beta1 版本带来了多项重要改进和新特性,进一步提升了全栈开发的效率和体验。从文件上传支持到空值注解标准化,从响应式编程增强到数据绑定优化,这些变化都体现了 Hilla 框架对开发者需求的深入理解和持续创新。
对于正在使用或考虑使用 Hilla 的开发者来说,这个预发布版本值得尝试,特别是那些需要文件上传功能或希望简化前后端交互复杂性的项目。
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-7BSpark-Prover-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
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
Spark-Formalizer-7BSpark-Formalizer-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00