Twisted 25.5.0 版本发布:Python异步网络框架的重要更新
Twisted 是一个用 Python 编写的成熟、稳定且功能强大的事件驱动网络引擎框架,它支持多种网络协议,包括 TCP、UDP、SSL/TLS、HTTP、IMAP、SSH、IRC 和 FTP 等。作为 Python 生态系统中最早的异步编程框架之一,Twisted 为开发者提供了构建高性能网络应用程序的基础设施。
核心改进与错误修复
在最新发布的 Twisted 25.5.0 版本中,开发团队对框架进行了多项重要改进和错误修复,进一步提升了框架的稳定性和可用性。
进程监控增强
twisted.internet.runner.procmon.ProcessMonitor 类中的 startProcess() 方法现在能够捕获由 reactor.spawnProcess() 引发的异常,并尝试重新启动失败的进程。这一改进显著增强了进程监控的健壮性,特别是在生产环境中管理长时间运行的子进程时。
测试框架优化
测试相关的改进主要集中在 twisted.trial.unittest.TestCase 类上:
-
移除了
deferSetUp、deferTestMethod、deferTearDown和deferRunCleanups方法,将它们转为私有方法。这一变更旨在减少测试用例对内部实现的依赖,使代码更易于维护和演进。 -
addCleanup方法现在会在返回的 deferred 未在测试超时前解析时导致测试失败,这有助于开发者更早地发现和解决资源清理相关的问题。
废弃与移除的功能
随着框架的演进,一些过时的功能被移除或标记为废弃:
-
twisted.internet.defer.waitForDeferred和twisted.internet.defer.deferredGenerator已被完全移除。这两个功能自 Twisted 15.0.0 起就被标记为废弃,现在正式退出历史舞台。 -
twisted.internet.defer.Deferred.callbacks属性被标记为废弃。开发者应该使用更现代的异步编程模式,如 async/await 语法。
Web 相关改进
Web 子系统在这个版本中获得了多项重要更新:
-
新增了
twisted.web.websockets模块,基于 wsproto 库实现了 WebSocket 服务器和客户端功能。这为开发者提供了构建实时 Web 应用程序的新选择。 -
twisted.web.server.Site现在支持通过parsePOSTFormSubmission=False参数禁用 HTTP 请求体的自动解析,为需要直接处理原始请求数据的场景提供了更多灵活性。 -
修复了
Request.addCookie方法对samesite属性none值的支持问题,完善了 cookie 处理功能。 -
解决了
Request.requestReceived方法处理 multipart/form-data 中同名多个文件的问题,修复了 Twisted 24.3.0 引入的回归问题。
Conch (SSH) 改进
SSH 相关功能也获得了重要修复:
twisted.conch.client.direct.SSHClientTransport.verifyHostKey 方法不再因编码错误而崩溃。这一修复意味着 conch 命令行工具在使用仅包含明文(而非哈希)主机名的已知主机文件时,将不再因"bad host key"而失败。
邮件服务修复
twisted.mail.mail.MailService.addDomain 方法现在会正确将给定域的凭证检查器添加到服务的 portal 中,解决了用户无法向域进行身份验证的问题。
文档改进
文档方面也有多项改进:
-
修正了 Twisted Web 服务器配置和使用文档中 Resource 对象使用示例的错误。
-
更新了多处文档中"字符串"应为"字节"的表述,使文档更加准确。
总结
Twisted 25.5.0 版本在保持向后兼容性的同时,通过多项改进和修复进一步提升了框架的质量和可用性。从进程监控的增强到 WebSocket 支持的引入,再到各种错误修复,这个版本为 Python 异步网络编程提供了更加坚实的基础。
对于现有用户,建议关注废弃功能的移除计划,并逐步迁移到推荐的替代方案。新用户则可以享受到更加稳定和完善的功能集,特别是 Web 和 SSH 相关功能的改进,使得构建各种网络应用程序变得更加便捷。
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