Marten项目V7.39.0版本发布:事件溯源与PostgreSQL增强
Marten是一个基于PostgreSQL的.NET事件溯源和文档数据库库,它结合了PostgreSQL的强大功能和.NET开发的便利性。作为一个开源项目,Marten为开发者提供了高效的文档存储、事件溯源支持以及强大的查询能力。最新发布的V7.39.0版本带来了一系列重要改进,特别是在事件流处理、全文搜索和多语言支持方面。
复合部分深度优先处理优化
在文档存储方面,新版本改进了复合部分的处理逻辑。现在Marten会采用深度优先的方式递归处理复合部分,这确保了复杂对象结构的正确序列化和存储顺序。对于包含嵌套对象或集合的文档,这种处理方式能够保证数据一致性和完整性。
PostgreSQL视图差异检测修复
通过升级Weasel依赖库,Marten现在能够更准确地检测PostgreSQL视图的差异。这一改进对于使用数据库视图作为查询抽象层的应用尤为重要,确保了视图定义变更时能够正确识别并应用这些变更。
多语言全文搜索增强
针对国际化应用场景,新版本改进了ngram搜索功能,增加了对unaccent扩展的支持。这意味着现在进行全文搜索时,系统能够更好地处理多语言文本,特别是那些带有重音符号的字符。例如,搜索"café"现在也能匹配到"cafe",大大提升了非英语用户的搜索体验。
事件流版本快速推进API
在事件溯源方面,新增了IEventStream.TryFastForwardVersion() API。这个新接口允许开发者尝试快速推进事件流的版本,而无需实际追加新事件。这对于某些需要乐观并发控制的场景特别有用,比如当多个进程可能同时尝试修改同一事件流时。
主表多租户模型连接字符串加密
安全性方面,新版本增加了对主表多租户模型中连接字符串的加密支持。现在可以使用AES或PgCrypto算法加密这些连接字符串,为多租户应用提供了额外的安全层,防止敏感信息泄露。
元数据代码生成支持记录类型
针对C# 9引入的记录类型(record),Marten现在能够正确生成元数据代码。这一改进使得使用记录类型作为领域模型的开发者能够获得与类(class)相同的功能支持,包括变更跟踪和乐观并发控制等特性。
非陈旧数据等待功能公开
新版本还公开了等待非陈旧数据的功能。这意味着开发者现在可以更直接地控制查询行为,确保在某些需要强一致性的场景下,查询能够等待直到数据达到预期状态,而不是立即返回可能过时的结果。
这些改进共同提升了Marten在复杂应用场景下的表现,特别是在多语言支持、安全性和事件溯源方面的能力得到了显著增强。对于正在使用或考虑使用Marten的.NET开发者来说,V7.39.0版本提供了更强大、更可靠的功能集。
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