Higress 2.0.7发布:AI代理与认证增强的云原生网关升级
项目概述
Higress是阿里巴巴开源的云原生API网关,基于Envoy构建,专为Kubernetes和Service Mesh环境设计。它提供了丰富的流量管理、安全防护和可观测性能力,是企业级微服务架构中的关键基础设施组件。最新发布的2.0.7版本在AI代理功能和认证机制方面进行了重要增强。
核心功能增强
1. AI代理功能全面升级
2.0.7版本对AI代理功能进行了多项重要改进:
-
多平台API密钥支持:新增了对百度API密钥的支持,扩展了AI服务集成的范围。开发者现在可以更灵活地对接不同AI服务提供商。
-
Dify平台兼容性:实现了与Dify平台的深度集成,包括使用情况相关信息的完善返回机制。这使得Higress能够更好地服务于AI应用开发平台。
-
路径透传机制:当API名称未知时,AI代理现在支持路径透传功能,提高了与各种AI服务的兼容性。
-
OpenAI兼容性增强:支持completions API,并允许通过openaiCustomUrl配置自定义OpenAI基础URL,为开发者提供了更大的灵活性。
2. 认证与授权机制优化
认证插件在这一版本中获得了显著改进:
-
黑白名单支持:ext-auth插件新增了对认证黑白名单的支持,使安全团队能够更精细地控制访问权限。
-
路径拼接修复:修复了Envoy认证模式下的路径拼接问题,确保了认证请求的正确路由。
-
性能优化:对ext-auth插件的body buffer限制进行了优化,提高了处理大请求体时的性能表现。
3. 稳定性与兼容性提升
-
流式响应缓冲问题修复:解决了AI代理中的流式响应缓冲问题,确保了长连接场景下的稳定性。
-
WASI目标更新:将构建目标从wasm32-wasi更新为wasm32-wasip1,保持与WebAssembly生态的最新进展同步。
-
前端灰度路由修复:修正了host重写在前端灰度场景下的问题,确保了流量路由的准确性。
开发者体验改进
-
测试覆盖增强:新增了ext-auth插件的单元测试,并对AI代理功能进行了基于LLM模拟服务器的端到端测试,提高了代码质量。
-
文档同步:及时更新了AI令牌限流相关文档,确保开发者能够获取最新的使用指南。
-
基础认证优化:移除了basic-auth插件中无用的注解,简化了配置。
技术实现亮点
在底层实现上,2.0.7版本展现了几个值得注意的技术特点:
-
模块化设计:通过插件体系将AI代理、认证等能力解耦,使得各功能可以独立演进和扩展。
-
性能考量:在处理流式响应和大请求体时,特别关注了内存管理和缓冲策略,避免性能瓶颈。
-
标准兼容:在支持多种AI服务API时,既保持了与标准协议的兼容性,又提供了灵活的扩展点。
适用场景
Higress 2.0.7特别适合以下场景:
-
AI服务网关:需要集中管理多个AI服务API的企业,可以利用增强的AI代理功能实现统一接入和管控。
-
严格安全要求的应用:新增的黑白名单功能和认证优化,使其成为金融、公共服务等对安全有高要求场景的理想选择。
-
混合云部署:支持自定义OpenAI基础URL等特性,便于在混合云环境中部署AI服务。
总结
Higress 2.0.7通过增强AI代理能力和完善认证机制,进一步巩固了其作为云原生API网关的领先地位。这些改进不仅提升了产品的功能性,也显著改善了开发者和运维人员的使用体验。对于正在构建现代化微服务架构,特别是涉及AI服务集成的团队来说,这一版本提供了更强大、更可靠的基础设施支持。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00