Grafbase 0.92.0版本发布:本地开发体验全面升级
Grafbase是一个开源的GraphQL API网关和开发平台,旨在简化GraphQL API的开发和管理。它允许开发者快速构建、部署和扩展GraphQL API,同时提供了丰富的工具链来优化开发体验。
版本亮点
Grafbase 0.92.0版本带来了多项重要改进,主要集中在本地开发体验的优化和配置方式的简化上。
自动扩展安装
新版本中,grafbase dev命令现在能够自动安装所需的扩展(extensions)。这一改进大大简化了开发环境的搭建过程,开发者不再需要手动安装和管理扩展依赖。当启动本地开发服务器时,系统会自动检测并安装项目中声明的所有必要扩展,确保开发环境的一致性。
默认配置文件支持
0.92.0版本引入了对grafbase.toml配置文件的默认支持。当运行grafbase dev命令时,如果当前目录中存在grafbase.toml文件,系统会自动使用该文件作为配置源。这一改变使得项目配置更加集中和易于管理,同时也保持了与现有工作流程的兼容性。
相对路径支持
新版本增强了对相对路径的支持,特别是在配置文件和schema文件中引用扩展时。开发者现在可以使用相对于当前工作目录的路径来指定扩展位置,这使得项目结构更加灵活,也更符合常见的开发实践。这一改进特别适合团队协作场景,因为相对路径可以确保项目在不同开发者的机器上都能正确解析依赖。
重要变更
0.92.0版本包含了一些重要的变更,开发者需要注意这些变化可能对现有项目产生的影响:
-
移除了
grafbase dev和grafbase compose命令中的-o/--graph-overrides选项。这些参数现在应该直接在grafbase.toml配置文件中进行设置。这一变更使得配置更加集中和一致。 -
在
grafbase compose命令中,将--gateway-config参数重命名为--config。这一命名变更更加简洁,也与其他命令的参数命名保持一致。
技术意义
这些改进反映了Grafbase团队对开发者体验的持续关注。自动扩展安装减少了开发环境配置的复杂性,使得新成员能够更快地上手项目。默认配置文件支持和相对路径的改进则增强了项目的可移植性和团队协作能力。
对于使用Grafbase的企业和团队来说,0.92.0版本意味着更少的配置工作和更一致的开发体验。特别是对于大型项目或需要频繁切换环境的场景,这些改进将显著提高开发效率。
升级建议
对于现有项目,升级到0.92.0版本时需要注意:
-
检查是否使用了
-o/--graph-overrides选项,如有使用,需要将这些配置迁移到grafbase.toml文件中。 -
如果使用了
--gateway-config参数,需要更新相关脚本或文档,改用--config参数。 -
考虑将项目配置逐步迁移到
grafbase.toml文件中,以利用新版本的默认配置支持特性。
总的来说,Grafbase 0.92.0版本通过简化配置和自动化常见任务,为开发者提供了更加流畅和高效的开发体验,是值得升级的一个版本。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C092
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python058
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00