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。
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
atomcodeAn open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust023
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00