Rivet项目中异步代码块支持的技术探讨
在低代码开发平台Rivet中,代码块(Code Block)作为核心功能组件之一,其执行模型的设计直接影响着开发者的使用体验。近期社区针对代码块的异步执行能力展开了深入讨论,这反映了现代JavaScript开发中异步编程的普遍需求。
当前实现机制分析
Rivet目前采用JavaScript的new Function构造函数来实现代码块的动态执行。这种实现方式本质上是一种受限的eval操作,其特点是:
- 执行环境与主程序隔离
- 默认不具备异步执行上下文
- 无法直接访问外部网络或文件系统资源
这种设计确保了执行安全性,但同时也限制了某些异步场景的应用。
异步支持的技术挑战
从技术实现角度看,为代码块添加异步支持需要解决以下关键问题:
-
执行上下文隔离:异步操作需要完整的Promise链支持,而
new Function创建的闭包环境会丢失部分执行上下文。 -
资源访问控制:异步操作常涉及I/O操作,需要精细的权限管理系统来确保安全性。
-
错误处理机制:异步代码的错误传播路径与同步代码不同,需要重构现有的错误捕获体系。
典型应用场景剖析
开发者提出的实际用例很有代表性:
-
内存向量数据库操作:如OramaSearch等内存数据库的异步API调用
-
浏览器环境集成:IndexedDB等浏览器存储接口的异步访问
-
第三方库集成:仅提供Promise接口的工具库封装
这些场景都要求代码块具备处理Promise的能力。
现有解决方案建议
对于急需异步支持的开发者,可考虑以下临时方案:
-
HTTP调用节点:通过专门的网络请求节点处理I/O操作
-
Wrapper模式:在外部封装异步逻辑,通过消息机制与代码块交互
-
回调转同步:在可控环境下使用Promise同步化技术
架构演进思考
从长远来看,Rivet可以考虑:
-
执行引擎升级:采用更现代的VM沙箱技术替代
new Function -
异步标记语法:通过特殊注释或语法标记启用异步模式
-
权限分级系统:为不同安全等级的异步操作提供细粒度控制
总结
异步支持是低代码平台发展到一定阶段的必然需求。Rivet当前的设计在安全性和功能性之间取得了良好平衡,随着社区需求的明确和技术方案的成熟,未来很可能会逐步引入可控的异步执行能力。开发者现阶段可以通过合理的架构设计和工作流编排来解决大多数异步场景需求。
这种技术演进过程也反映了低代码平台的一个普遍发展规律:从严格受限的执行环境逐步向灵活可控的开放模式过渡,在保证安全性的前提下不断扩展能力边界。
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
Spark-Prover-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
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