go-gorm/gen v0.3.27版本发布:ORM生成器的全面升级
go-gorm/gen是一个基于GORM的代码生成工具,它能够根据数据库结构自动生成对应的Go模型代码和CRUD操作方法。这个工具极大地简化了开发者在Go项目中使用GORM进行数据库操作的工作流程,减少了手写重复代码的时间。
主要功能改进
本次v0.3.27版本带来了多项重要改进,主要集中在查询功能增强、代码生成优化和性能提升等方面。
查询功能增强
-
新增NotIn查询条件:为Field类型添加了NotIn方法,使得开发者能够更方便地构建"不在某个集合中"的查询条件。
-
字符串函数支持:为字符串字段添加了substring和substr方法,增强了字符串处理能力。
-
原生SQL支持:现在可以在自定义字段中使用原生SQL表达式,为复杂查询提供了更大的灵活性。
-
随机函数支持:新增了对数据库随机函数的支持,便于实现随机数据获取功能。
-
关联查询改进:RelationField现在支持join操作,关联查询能力得到显著增强。
代码生成优化
-
结构体注释解析:现在能够解析数据库表字段的注释并生成到对应的Go结构体字段中,提高了代码的可读性。
-
泛型结构体支持:修复了DIY方法解析泛型结构体时的错误,使得代码生成更加稳定可靠。
-
日志定制:新增了DIY生成器日志功能,开发者可以根据需要定制生成过程中的日志输出。
-
表名解析:为所有方法添加了表名解析功能,确保生成的代码能够正确识别表名。
事务与上下文处理
-
上下文传播修复:修复了UseDB方法中的上下文传播问题,确保在数据库操作中能够正确传递上下文。
-
事务关联更新:解决了事务中无法更新关联字段的问题,提高了事务操作的完整性。
-
取消上下文函数:移除了部分上下文相关的函数,简化了API设计。
其他重要改进
-
时间处理增强:更新了FromUnixtime方法的参数类型从int改为int64,提高了时间处理的精度和兼容性。
-
正则表达式修复:修正了NotRegxp为NotRegexp的拼写错误,保持了API的一致性。
-
嵌入式字段支持:改进了对嵌入式字段的处理,使得模型设计更加灵活。
-
SQL NULL类型支持:新增WithSQLNullType选项,便于处理数据库中的NULL值。
-
未限定范围操作:为关联操作添加了unscoped支持,使得开发者能够操作包括软删除记录在内的所有数据。
总结
go-gorm/gen v0.3.27版本在查询功能、代码生成质量和开发者体验方面都做出了显著改进。这些变化不仅增强了工具的功能性,也提高了生成代码的可靠性和易用性。对于使用GORM进行数据库操作的Go开发者来说,这个版本提供了更加强大和灵活的工具支持,能够有效提升开发效率和代码质量。
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