ORPC v0.40.0 发布:原生支持服务器推送事件(SSE)的RPC框架
ORPC是一个现代化的RPC框架,它通过TypeScript优先的设计理念,为开发者提供了类型安全的远程过程调用体验。最新发布的v0.40.0版本带来了原生服务器推送事件(Server-Sent Events, SSE)支持,使开发者能够轻松实现实时数据流功能。
原生SSE支持
v0.40.0版本最显著的改进是内置了对服务器推送事件的支持。这意味着开发者现在可以直接在ORPC中实现实时数据流功能,而无需额外的配置或中间件。
服务端实现
在服务端,开发者可以使用eventIterator和withEventMeta工具函数来创建SSE流:
const streaming = os
.output(eventIterator(z.object({ message: z.string() })))
.handler(async function* ({ input, lastEventId }) {
try {
while (true) {
yield withEventMeta({ message: 'Hello, world!' }, {
id: 'event-id',
retry: 1000
})
await new Promise(resolve => setTimeout(resolve, 1000))
}
} finally {
// 清理逻辑
}
})
这段代码展示了如何创建一个每秒发送一次"Hello, world!"消息的SSE流。withEventMeta函数允许开发者附加事件元数据,如事件ID和重试时间。
客户端消费
客户端可以像这样消费SSE流:
const result = await client.streaming(
{ prompt: 'Hello' },
{ lastEventId: '初始事件ID' }
)
for await (const event of result) {
console.log(event)
}
客户端代码使用了异步迭代器模式来处理事件流,这种模式在现代JavaScript中已经成为处理异步数据流的标准方式。
错误处理增强
v0.40.0还改进了错误处理机制,特别是对格式错误的请求的处理。这使得框架在面对异常输入时能够提供更清晰、更有帮助的错误信息,有助于开发者更快地定位和解决问题。
上下文处理改进
新版本修复了.concat方法在处理额外上下文时的问题,确保它能正确保留原始上下文中的所有信息。这一改进对于构建复杂的中间件链特别重要,因为它保证了上下文信息在中间件之间的传递不会丢失或损坏。
向后兼容性说明
需要注意的是,这个版本引入了一个破坏性变更:RPCLink中选项回调的参数顺序发生了变化。开发者在升级时需要检查所有使用RPCLink选项回调的地方,确保它们适应新的参数顺序。
总结
ORPC v0.40.0通过原生SSE支持,为开发者提供了构建实时应用的强大工具。结合其已有的类型安全特性和简洁的API设计,ORPC正在成为一个更加全面的RPC解决方案。无论是构建传统的请求-响应式API,还是需要实时数据流的现代应用,ORPC都能提供优雅的解决方案。
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