ORPC v1.5.0 发布:新增休眠插件与增强 TanStack Query 集成
ORPC 是一个现代化的 RPC 框架,旨在简化远程过程调用的开发体验。它提供了类型安全、插件化架构和与流行前端库的无缝集成。本次 v1.5.0 版本带来了两个重要特性:Hibernation 插件和 TanStack Query 键生成器的类型安全增强。
Hibernation 插件:构建经济高效的 WebSocket 应用
新引入的 Hibernation 插件为 ORPC 框架添加了对休眠 API 的原生支持。这一特性特别适合与 CDN 提供商的 WebSocket Hibernation 功能配合使用,帮助开发者构建可扩展且成本效益高的实时应用。
在传统的 WebSocket 实现中,维持大量连接会消耗大量服务器资源。而休眠 API 允许连接在不活跃时进入休眠状态,显著降低了资源消耗和运营成本。ORPC 的 Hibernation 插件抽象了这些复杂性,让开发者可以专注于业务逻辑。
使用方式非常简单,只需在 RPCHandler 的插件列表中添加 HibernationPlugin 即可:
import { experimental_HibernationPlugin as HibernationPlugin } from '@orpc/server/hibernation'
const handler = new RPCHandler(router, {
plugins: [
new HibernationPlugin(),
],
})
这个插件特别适合需要处理大量并发连接但每个连接活跃度不高的场景,如实时通知系统、聊天应用或协作编辑工具。通过利用 CDN 的持久化对象和 WebSocket Hibernation,开发者可以用极低的成本构建可扩展的实时应用。
增强 TanStack Query 集成:完全类型安全的键生成
ORPC 进一步提升了与 TanStack Query(原 React Query)的集成体验,现在为查询和变更操作提供了完全类型安全的键生成器。这一改进让开发者在操作缓存数据时能够获得更好的类型提示和安全性。
新版本为每个 ORPC 操作添加了四个键生成方法:
.queryKey- 生成标准查询的键.streamedKey- 生成流式查询的键.infiniteKey- 生成无限查询的键.mutationKey- 生成变更操作的键
这些方法都接受与原始操作相同的输入类型,确保键生成与操作调用完全一致。例如:
queryClient.setQueryData(orpc.planet.find.queryKey({ input: { id: 123 } }), (old) => {
return { ...old, id: 123, name: 'Earth' }
})
这种类型安全的键生成消除了手动输入键字符串时可能出现的拼写错误,也使得重构更加容易。当操作签名发生变化时,TypeScript 会立即在键使用处标记出类型不匹配,大大提高了开发效率和代码质量。
其他改进
本次发布还包含一个重要的错误修复:EventPublisher 现在会在信号中止时立即抛出错误,而不是继续执行。这一改进使得错误处理更加及时和可靠,特别是在需要快速响应取消操作的场景中。
ORPC 持续致力于提供最佳的类型安全和开发者体验。v1.5.0 版本的这些新特性和改进进一步巩固了这一目标,使开发者能够更高效地构建可靠、可维护的分布式应用。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00