RubyEventStore v2.16.0 版本发布:全面支持 Rails 8.0 与 Ruby 3.4
RubyEventStore 是一个基于事件溯源(Event Sourcing)模式的 Ruby 实现,它提供了一套完整的工具集来管理领域事件。作为 RailsEventStore 生态系统的核心组件,它允许开发者以事件为中心构建应用程序,实现松耦合、可追溯的系统架构。
核心改进与变更
类型处理优化
本次版本对 OpenStruct 的处理机制进行了重要改进。现在,RubyEventStore::Mappers::Transformation::PreserveTypes 转换器仅在项目依赖中包含 ostruct 库时才会处理 OpenStruct 类型。这一变更解决了 Ruby 3.5 中关于 ostruct 的弃用警告问题,使库更加健壮和兼容。
平台支持扩展
v2.16.0 版本正式添加了对以下平台的支持:
- Rails 8.0 框架
- Ruby 3.4 语言版本
同时,移除了对已结束维护的 Rails 6.0 和 6.1 版本的支持,这有助于维护团队集中精力支持活跃版本,确保用户获得最佳的性能和安全性。
生态系统组件更新
整个 RailsEventStore 生态系统都同步进行了更新,包括:
-
RailsEventStore:作为与 Rails 深度集成的部分,现在完全兼容 Rails 8.0 的新特性。
-
RubyEventStore::ActiveRecord:ActiveRecord 适配器现在支持最新的数据库操作模式和 Rails 8.0 的 ActiveRecord 改进。
-
AggregateRoot:领域驱动设计中的聚合根实现现在可以在最新的 Ruby 和 Rails 环境中稳定运行。
-
RubyEventStore::RSpec:测试工具集更新后,开发者可以在 Ruby 3.4 环境下编写更高效的测试用例。
-
RubyEventStore::Browser:事件存储的 Web 界面现在支持最新的前端技术栈和浏览器 API。
升级建议
对于现有用户,升级到 v2.16.0 时需要注意:
-
如果项目仍在使用 Rails 6.x 版本,需要先升级到支持的 Rails 版本(7.0 或 8.0)后再进行更新。
-
项目中如果依赖
OpenStruct处理,需要确保ostruct库已明确添加到 Gemfile 中。 -
Ruby 3.4 用户现在可以放心使用所有功能,建议利用新版本的语言特性优化事件处理逻辑。
这个版本标志着 RailsEventStore 生态系统对最新技术栈的全面支持,为开发者构建现代化、可扩展的事件驱动架构提供了坚实基础。
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-1.5暂无简介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
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
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