ORPC v0.31.0 版本发布:更灵活的中间件链与自定义 Schema 支持
2025-06-25 20:49:10作者:秋泉律Samson
ORPC(Object-RPC)是一个现代化的远程过程调用框架,它通过类型安全和链式API简化了前后端通信的开发体验。在最新发布的v0.31.0版本中,ORPC带来了两项重要改进:更灵活的中间件链式调用流程和自定义Schema支持。
更灵活的中间件链式调用
在之前的版本中,ORPC的链式调用存在一些限制,特别是在中间件的使用顺序上。v0.31.0版本对此进行了重大改进:
-
中间件插入位置更灵活:现在开发者可以在
.input和.output之间插入中间件,实现了更细粒度的控制。这意味着你可以在输入验证之后、业务逻辑执行之前,或者在业务逻辑执行之后、输出处理之前,插入特定的中间件逻辑。 -
类型安全的链式调用:TypeScript现在能够捕获无效的链式调用模式。例如:
- 在调用
.use之后不能再调用.middleware - 不能在一个
.input之后紧接着另一个.input
- 在调用
这些改进不仅提升了开发体验,还能在编译阶段就发现潜在的问题,避免运行时错误。
自定义Schema支持
新版本引入了type工具函数,允许开发者创建自定义的Schema:
export const getting = oc.input(type<{ id: string }>());
这一改进带来了几个显著优势:
-
简化验证逻辑:当不需要复杂的验证逻辑时,可以直接使用TypeScript类型作为Schema,减少了样板代码。
-
减小打包体积:避免了引入完整的验证库,在不需要复杂验证的场景下可以显著减小前端打包体积。
-
更好的类型推断:与TypeScript深度集成,保持了完整的类型安全。
实际应用场景
假设我们正在开发一个用户管理系统,这些改进可以这样应用:
// 定义用户查询接口
const getUser = oc
.input(type<{ id: string }>()) // 使用自定义Schema
.middleware(async (ctx, next) => {
// 在输入验证后执行的中间件
console.log('输入验证通过,准备查询用户');
return next();
})
.output(type<User>())
.middleware(async (ctx, next) => {
// 在输出处理前执行的中间件
console.log('用户数据查询完成,准备返回');
return next();
})
.use(async (ctx) => {
// 业务逻辑
return db.users.findUnique({ where: { id: ctx.input.id } });
});
这种结构使得代码更加清晰,各部分的职责也更加明确。
总结
ORPC v0.31.0通过改进链式调用流程和引入自定义Schema支持,进一步提升了开发体验和灵活性。这些改进使得开发者能够:
- 更精确地控制中间件的执行时机
- 在编译时捕获更多的潜在错误
- 根据实际需求选择最适合的Schema方案
- 保持代码的简洁和类型安全
对于已经在使用ORPC的团队,建议尽快升级以利用这些新特性;对于考虑采用RPC解决方案的团队,这个版本提供了更成熟和完善的功能集。
登录后查看全文
热门项目推荐
相关项目推荐
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
HunyuanVideo-1.5暂无简介00
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-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
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
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
182
196
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++
648
265
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
274
94
暂无简介
Dart
623
140
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
380
3.41 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.1 K
621
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
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