Griptape框架v1.4.0版本发布:增强云服务与任务执行能力
Griptape是一个功能强大的AI开发框架,它通过模块化设计帮助开发者构建复杂的AI应用和工作流。该框架提供了丰富的工具和组件,使开发者能够轻松集成各种AI模型、数据处理功能和自动化任务。
核心功能增强
云服务驱动升级
本次1.4.0版本在云服务集成方面做出了重要改进。新增了GriptapeCloudPromptDriver,为开发者提供了与Griptape云服务集成的标准化接口。同时,GriptapeCloudStructureRunDriver和GriptapeCloudAssistantDriver现在能够利用云服务器事件进行更高效的通信和数据交换。
针对云文件管理,修复了文件列表参数传递的问题,确保了文件操作的准确性。云事件监听器也增加了对自定义事件类型和时间戳的兼容性处理,提高了系统的鲁棒性。
多模型支持扩展
框架新增了对Grok模型的官方支持,通过GrokPromptDriver实现了与这一新兴AI模型的集成。同时,对OpenAI系列驱动进行了多项优化:
- 修复了AzureOpenAiChatPromptDriver中不支持的"modalities"参数问题
- 改进了OpenAI驱动的模型兼容性检查
- 增加了对音频属性的存在性验证
- 根据模型类型智能添加modalities和reasoning_effort参数
任务执行系统改进
灵活的任务参数传递
任务系统进行了重要重构,现在BaseTask.run()方法支持直接接收参数,这为动态任务执行提供了更大的灵活性。同时修复了在多轮结构运行中任务输入丢失的问题,确保了复杂工作流的稳定性。
代码执行任务优化
移除了CodeExecutionTask.input属性的弃用警告,同时改进了相关示例文档,使开发者能够更清晰地理解如何使用代码执行任务。这些改进使得自动化代码执行场景更加可靠和易用。
安全与权限控制
工具系统新增了allowlist和denylist设置功能,允许开发者更精细地控制工具访问权限。这一安全增强功能为构建企业级应用提供了必要的权限管理能力。
架构与稳定性提升
在底层架构方面,本次更新包含多项重要改进:
- 实现了Pydantic模型的正确序列化
- 为所有Artifact类型明确定义了反序列化声明
- 优化了ExponentialBackoffMixin中的max_attempts默认值
- 改进了原始值到特定Artifact类型的包装逻辑
- 修复了评估引擎中参数未正确包含在提示中的问题
开发者体验改进
文档方面进行了全面更新,包括:
- 新增云助手相关文档章节
- 修复了集成测试示例
- 改进了代码执行任务示例
- 重新组织了工具文档结构
这些文档改进大大降低了新用户的学习曲线,使开发者能够更快地上手和使用框架的各项功能。
Griptape 1.4.0版本通过增强云服务集成、扩展模型支持、改进任务系统和提升架构稳定性,为开发者构建复杂AI应用提供了更强大、更可靠的工具集。特别是对云服务和任务执行的改进,使得构建分布式、可扩展的AI工作流变得更加简单高效。
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-X1-7BSpark-Prover-X1-7B 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-X1-7BSpark-Formalizer-X1-7B 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).Dockerfile015
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