Drift 2.26.0 发布:Dart ORM 框架迎来窗口函数支持
Drift 是一个功能强大的 Dart 和 Flutter 应用数据库解决方案,它提供了类型安全、编译时检查的 SQL 查询能力。作为 Dart 生态中最受欢迎的 ORM 框架之一,Drift 通过将 SQL 的强大功能与 Dart 语言的优雅特性相结合,为开发者提供了高效的数据持久化方案。
窗口函数支持:数据分析更强大
本次发布的 2.26.0 版本最引人注目的特性是在 Dart 查询构建器中加入了窗口函数(Window Function)支持。窗口函数是 SQL 中用于执行复杂数据分析的强大工具,它允许在查询结果集的"窗口"或子集上执行计算,而不影响原始行的显示。
在 Dart 代码中,现在可以通过 WindowFunctionExpression 类来使用这一功能。这意味着开发者可以直接在 Dart 代码中构建包含窗口函数的查询,例如计算移动平均值、累计求和或排名等高级分析操作,同时保持类型安全和编译时检查的优势。
窗口函数的引入使得 Drift 在处理需要复杂数据分析和报表功能的场景时更加得心应手,为数据分析类应用的开发提供了更多可能性。
生成器改进:更智能的代码生成
Drift 的代码生成器在本版本中也得到了多项改进:
-
重复表引用警告修复:当 Dart 定义的视图多次引用同一表时,生成器不再产生不必要的警告。这一改进使得代码更加整洁,减少了开发者的困惑。
-
优化验证代码生成:生成器现在能够识别并避免生成不必要的验证代码,减少了最终产出的代码体积,提高了应用性能。
-
迁移测试建议增强:在使用
make-migrations命令添加没有默认值的新列时,生成器会智能地建议包含数据完整性检查的测试用例。这一改进帮助开发者更容易编写健壮的迁移测试,确保数据库结构变更不会破坏现有数据。
实际应用价值
对于正在使用 Drift 的开发者来说,2.26.0 版本带来了两个层面的价值:
对于需要复杂数据分析的应用,窗口函数的支持意味着可以直接在 Dart 代码中实现原本需要原生 SQL 才能完成的高级查询,同时保持类型安全。这降低了学习成本,提高了开发效率。
对于所有用户而言,生成器的改进意味着更干净的代码、更少的警告和更智能的开发体验。特别是迁移测试建议的增强,能够帮助团队更好地维护数据库结构的演进,减少生产环境中的数据问题。
升级建议
对于现有项目,升级到 2.26.0 版本是一个相对安全的过程,因为本次更新主要添加了新功能并优化了现有行为,没有引入破坏性变更。开发者可以按照以下步骤进行升级:
- 更新 pubspec.yaml 中的 drift 依赖版本
- 运行 flutter pub upgrade
- 重新生成代码(通常通过运行 flutter pub run build_runner build)
对于计划使用窗口功能的新项目,现在可以充分利用这一特性来设计更强大的数据查询逻辑。建议查阅 Drift 的官方文档了解窗口函数的具体用法和示例。
总的来说,Drift 2.26.0 通过引入窗口函数支持和多项生成器优化,进一步巩固了其作为 Dart 生态中最强大 ORM 解决方案的地位,为开发者提供了更丰富的数据处理能力和更流畅的开发体验。
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