Prism项目v0.77.0版本发布:多模态支持与架构优化
2025-07-01 09:43:47作者:卓艾滢Kingsley
Prism是一个PHP语言的开源项目,它为开发者提供了与多种AI服务交互的统一接口。该项目通过抽象化的设计,让开发者能够以一致的方式调用不同AI提供商的API,大大简化了集成不同AI服务的工作量。
核心更新内容
1. 多模态API支持
本次版本最重要的更新是在PrismServer API端点中增加了对多模态的支持。多模态AI是指能够同时处理和理解多种类型数据(如文本、图像、音频等)的人工智能系统。这一特性使得开发者现在可以通过Prism项目:
- 同时发送文本和图像等多种格式的数据给AI模型
- 获取包含多种媒体类型的复合响应
- 构建更丰富的交互式AI应用场景
2. 架构重构与优化
本次版本对项目内部架构进行了重要调整:
-
Provider基类重构:将Provider接口从
Prism\Prism\Contracts迁移至Prism\Prism\Providers命名空间,并将其改为抽象类。这一变化意味着:- 所有自定义Provider现在需要继承抽象Provider类而非实现接口
- 提供了更清晰的继承结构和更强的类型约束
- 为未来扩展提供了更稳定的基础
-
异常处理改进:重新引入了请求异常处理机制,增强了系统的健壮性。
3. 问题修复与文档完善
- 修复了Anthropic媒体映射器中验证方法调用的问题
- 为Gemini服务添加了缓存相关的文档说明
- 提升了测试框架的版本兼容性
技术影响与最佳实践
对于使用Prism项目的开发者,本次更新带来以下技术影响:
-
迁移指南:如果开发者有自定义的Provider实现,需要将其从接口实现改为继承抽象类。
-
多模态开发建议:当构建多模态应用时,建议:
- 明确区分不同媒体类型的数据处理逻辑
- 注意不同AI提供商对多模态支持的程度差异
- 合理设计数据预处理和后处理流程
-
异常处理策略:由于请求异常机制的调整,建议开发者:
- 检查现有的异常捕获逻辑
- 考虑添加对特定异常类型的处理
- 在关键操作中添加适当的重试机制
未来展望
从本次更新可以看出Prism项目正在向更丰富的数据类型支持和更稳定的架构方向发展。多模态支持的加入为构建更复杂的AI应用打开了大门,而Provider架构的调整为未来的扩展奠定了更坚实的基础。
对于开发者而言,这些改进意味着可以更轻松地构建功能丰富、稳定可靠的AI集成应用,同时减少了维护不同AI服务适配器的工作量。随着项目的持续发展,我们可以期待看到更多AI服务提供商的支持和更高级的功能抽象。
登录后查看全文
热门项目推荐
相关项目推荐
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
项目优选
收起
deepin linux kernel
C
24
9
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
暂无简介
Dart
671
155
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
660
308
Ascend Extension for PyTorch
Python
220
236
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
392
3.83 K
React Native鸿蒙化仓库
JavaScript
259
322