Encore框架v1.48.3版本发布:跨域凭证与CORS优化解析
Encore是一个现代化的后端开发框架,它通过抽象基础设施的复杂性,让开发者能够专注于业务逻辑的实现。该框架采用声明式编程模型,自动处理部署、监控等运维工作,显著提高了开发效率。近日,Encore发布了v1.48.3版本,这个维护性更新主要解决了跨域资源共享(CORS)和可选字段处理等关键问题。
跨域凭证支持增强
在Web开发中,跨域请求是常见需求,但浏览器出于安全考虑会施加严格限制。本次更新中,Encore框架对Leap客户端(内部RPC通信组件)进行了重要改进——现在允许跨站点携带凭证信息。
这项改进意味着当Encore应用需要在前端与不同域的后端服务通信时,可以安全地传输认证cookie或HTTP认证头信息。开发者不再需要为跨域认证问题设计复杂的变通方案,框架已原生支持这一特性。这对于采用微服务架构或前后端分离部署的项目尤为重要。
本地对象存储CORS配置优化
本地开发环境中,Encore提供了内置的对象存储服务。v1.48.3版本增强了其CORS(跨域资源共享)支持,现在会自动设置正确的CORS头部选项。具体改进包括:
- 预检请求(OPTIONS)的响应现在包含适当的Access-Control-Allow-*头部
- 支持开发者自定义CORS策略
- 确保与实际生产环境的行为一致性
这项优化使得前端开发者在本地开发时,能够获得与生产环境完全一致的跨域行为,避免了"开发时正常,上线后出错"的典型问题。
服务间调用可选字段处理修复
在微服务架构中,服务间的数据传递需要严格的类型兼容性。本次更新修复了一个关于可选字段的重要问题:当服务A调用服务B时,如果请求包含可选字段(在Protobuf或Go中表示为指针或omitempty字段),现在能够正确传递null值或缺失状态。
此前版本中,某些情况下可选字段的状态会在服务间调用时丢失,导致接收方无法区分"字段未设置"和"字段设置为零值"的区别。这个修复确保了类型系统的严谨性,对于需要精确控制字段语义的应用(如配置管理系统、金融交易系统等)尤为重要。
开发者体验提升
除了上述功能改进,v1.48.3版本还包含文档更新,使新用户更容易上手。README文件经过重新梳理,现在更清晰地介绍了Encore的核心概念和快速入门步骤。这些文档改进虽然看似微小,但对于降低学习曲线、提高开发者体验有着不可忽视的作用。
升级建议
对于正在使用Encore框架的项目,建议尽快升级到v1.48.3版本,特别是那些:
- 需要跨域认证的前后端应用
- 使用本地对象存储进行开发的项目
- 服务间存在复杂数据交换的微服务系统
升级只需修改go.mod中的版本号并运行go get命令即可。这个小版本更新完全向后兼容,不会引入破坏性变更。
Encore框架通过这类持续的小版本迭代,展现了其对开发者体验的重视。每个版本都针对实际开发中的痛点进行优化,使开发者能够更专注于创造业务价值而非解决基础设施问题。
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