TsED框架v8.8.0-beta.1版本发布:新增Fastify平台支持
TsED是一个基于TypeScript的企业级Node.js框架,它结合了Express/Koa等流行框架的优势,同时提供了依赖注入、装饰器等现代化开发特性。该框架特别适合构建大型、可维护的后端应用,目前最新发布的v8.8.0-beta.1版本带来了重要的新特性。
核心更新:Fastify平台支持
本次版本最重要的更新是新增了对Fastify平台的支持。Fastify作为高性能的Node.js web框架,以其出色的请求处理速度和低开销著称。TsED通过新的@tsed/platform-fastify包实现了与Fastify的深度集成,开发者现在可以在保持TsED原有开发体验的同时,享受到Fastify的性能优势。
集成实现上,TsED团队特别注重了与现有架构的无缝衔接。新版本中,Fastify适配器遵循了v8.5.2版本引入的适配器规范,确保了API的一致性。这意味着开发者可以像使用Express平台一样使用Fastify,包括路由、中间件、控制器等核心概念都保持了相同的使用方式。
文件上传功能增强
配合Fastify平台的引入,新版本还增加了@tsed/platform-multer包中的Fastify Multer适配器。Multer是Node.js中处理multipart/form-data(主要用于文件上传)的中间件。这一更新使得在Fastify平台上处理文件上传变得简单高效,开发者可以使用熟悉的Multer API,而不需要学习新的文件上传处理方式。
性能与稳定性改进
在底层优化方面,新版本修复了Objection.js装饰器在esbuild打包时可能出现的循环引用问题。Objection.js是一个流行的Node.js ORM,与Knex.js配合使用。这一修复使得在使用现代打包工具时,TsED与Objection.js的集成更加稳定可靠。
响应过滤器方面也进行了改进,增强了响应类型的解析能力。这意味着框架现在能更准确地推断和验证控制器方法的返回类型,为开发者提供更好的类型安全性和开发体验。
依赖管理优化
新版本添加了缺失的encodeurl依赖项,这是一个用于URL编码的工具库。虽然这个改动看似微小,但它体现了TsED团队对项目依赖管理的严谨态度,确保所有必要的功能都有明确的依赖声明,避免潜在的运行时错误。
总结
TsED v8.8.0-beta.1版本标志着框架向多平台支持迈出了重要一步。通过引入Fastify平台,开发者现在可以根据项目需求在Express和Fastify之间做出选择,同时保持统一的开发体验。文件上传功能的增强和底层稳定性的改进,进一步提升了框架的实用性和可靠性。
这个beta版本为开发者提供了提前体验新特性的机会,建议关注性能需求的项目可以开始尝试集成Fastify平台,为后续的正式版本升级做好准备。随着TsED生态的不断丰富,它正成为TypeScript后端开发领域中一个越来越有吸引力的选择。
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