Laravel Scout v10.13.0 版本发布:增强查询功能与类型支持
Laravel Scout 是 Laravel 官方提供的全文搜索解决方案,它为开发者提供了简单优雅的 API 来集成各种搜索引擎服务。Scout 通过模型观察者自动保持搜索索引与数据库记录同步,支持 Algolia、Meilisearch、Typesense 等多种搜索引擎驱动。
主要更新内容
1. 增强 whereIn 和 whereNotIn 查询支持
本次更新中,Scout 对 whereIn 和 whereNotIn 查询方法进行了功能扩展,现在开发者可以直接传递实现了 Arrayable 接口的对象作为查询条件。这一改进使得代码更加灵活和符合 Laravel 的惯用写法。
在实际应用中,我们经常需要处理集合或数组形式的数据。以前开发者需要手动调用 toArray() 方法转换数据,现在可以直接传递实现了 Arrayable 接口的对象,如 Eloquent 集合或 Laravel 的集合实例。
// 旧写法
$users = User::whereIn('id', $userIds->toArray())->get();
// 新写法 - 可以直接传递集合
$users = User::whereIn('id', $userIds)->get();
这一改进不仅减少了代码量,还提高了代码的可读性和一致性,特别是在处理复杂查询逻辑时。
2. 新增 afterRawSearch 回调功能
v10.13.0 版本引入了 afterRawSearch 回调功能,为开发者提供了在原始搜索查询执行后处理结果的能力。这个回调特别适合需要对搜索结果进行额外处理或转换的场景。
afterRawSearch 回调接收原始搜索结果作为参数,允许开发者在 Scout 返回结果前对其进行修改或增强。例如,可以添加额外的元数据、转换结果格式,或者基于结果执行其他操作。
Model::search('query')
->afterRawSearch(function ($results) {
// 对原始搜索结果进行处理
$results['processed'] = true;
return $results;
})
->get();
这一功能为高级搜索场景提供了更大的灵活性,特别是在需要与搜索引擎原生功能深度集成的情况下。
3. Typesense 驱动改进:自定义索引支持
对于使用 Typesense 作为搜索引擎的用户,本次更新修复了自定义索引支持的问题。Typesense 是一个开源的搜索引擎,以其高性能和易用性著称。
在之前的版本中,Scout 的 Typesense 驱动在处理自定义索引时可能存在一些问题。v10.13.0 版本确保了开发者可以无缝地使用自定义索引配置,这对于需要特殊索引结构或分片策略的应用场景尤为重要。
自定义索引允许开发者根据特定需求优化搜索性能和数据组织方式。例如,可以为不同数据类型创建专门的索引,或者为特定查询模式优化索引结构。
// 在模型中使用自定义索引
class Product extends Model
{
public function searchableAs()
{
return 'custom_products_index';
}
}
升级建议
对于正在使用 Laravel Scout 的项目,升级到 v10.13.0 版本是一个低风险的过程。这些改进主要添加了新功能而没有引入破坏性变更。不过,开发者应该:
- 测试项目中现有的
whereIn和whereNotIn查询,确保它们在新版本中按预期工作 - 如果使用 Typesense 驱动,验证自定义索引功能是否正常工作
- 考虑在适当的地方使用新的
afterRawSearch回调来简化搜索结果处理逻辑
总结
Laravel Scout v10.13.0 通过增强查询构建器的灵活性、添加新的回调功能以及改进 Typesense 驱动支持,进一步提升了开发者的搜索体验。这些改进使得 Scout 在处理复杂搜索需求时更加得心应手,同时也保持了其简单易用的特点。
对于需要高级搜索功能的 Laravel 应用,特别是那些使用 Typesense 或需要精细控制搜索过程的项目,升级到这个版本将带来明显的开发效率提升。
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-1.5暂无简介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
Spark-Formalizer-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
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