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。
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