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。
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