STTP v4.0.0-RC3发布:HTTP客户端库的重要更新
STTP是一个功能强大的Scala HTTP客户端库,它提供了简洁、类型安全的API来构建和发送HTTP请求。该库支持多种后端实现(如Akka、Http4s、OkHttp等),并内置了丰富的功能如请求/响应拦截、重定向处理、认证机制等。STTP的设计理念强调函数式编程和不可变性,使其成为Scala生态系统中HTTP客户端的首选解决方案之一。
主要更新内容
重定向处理机制优化
新版本对重定向处理进行了两项重要改进:
-
asFail响应处理:当使用
asFail响应处理器时,现在能够正确处理重定向响应。这意味着在遇到3xx状态码时,库会遵循重定向链,而不是直接将重定向响应视为失败。 -
encodeUriAll选项:在
FollowRedirectsBackend中新增了encodeUriAll选项,允许开发者控制重定向URL的编码行为。当设置为true时,会对URL中的所有字符进行编码;false则保持原有行为,仅编码必要字符。这一改进为处理特殊字符的URL提供了更大的灵活性。
OpenTelemetry集成
v4.0.0-RC3引入了otel4s作为新的OpenTelemetry后端实现。这一功能使得:
- 可以自动跟踪HTTP请求的生命周期
- 收集详细的性能指标
- 与现有的OpenTelemetry监控系统无缝集成
- 为微服务架构提供更好的可观测性支持
响应处理改进
quickRequest方法的行为发生了重要变化:现在无论HTTP响应状态码如何,都会将响应体读取为字符串。旧版本在遇到4xx或5xx错误时会抛出异常,而新版本改为始终返回响应内容,使错误处理更加一致和可预测。
安全性增强
新版本增加了对URL查询参数中敏感信息的隐藏功能,这在以下场景特别有用:
- 日志记录时自动隐藏密码、API密钥等敏感信息
- 错误报告中保护用户隐私
- 防止调试信息泄露认证凭据
依赖项更新
STTP v4.0.0-RC3同步更新了多个核心依赖:
- Circe相关库升级至0.14.12版本,提供更好的JSON处理能力
- Cats Effect升级到3.6.0,带来性能优化和新特性
- FS2升级至3.12.0,改进了流处理能力
- 内部模型库更新至1.7.13版本
升级建议
对于现有项目升级到v4.0.0-RC3,开发者需要注意以下几点:
-
行为变更:
quickRequest的响应处理方式变化可能影响现有代码,需要检查相关错误处理逻辑。 -
新功能评估:特别是OpenTelemetry集成和重定向处理改进,可以考虑在项目中充分利用这些新特性。
-
依赖兼容性:确保项目其他部分与更新的依赖库(如Cats Effect 3.6.0)兼容。
-
敏感信息处理:评估是否需要启用新的URL查询参数隐藏功能来增强安全性。
这个候选发布版本标志着STTP向4.0.0正式版又迈进了一步,引入了多项实用改进和重要修复,值得开发者关注和试用。
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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
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