Undici v7.9.0 发布:HTTP客户端库的重要更新
项目简介
Undici 是 Node.js 官方团队开发的高性能 HTTP/1.1 和 HTTP/2 客户端库,旨在提供比 Node.js 内置 http 模块更高效、更现代的 HTTP 客户端功能。它特别适合需要高性能 HTTP 请求的场景,如微服务通信、API 调用等。
核心更新内容
1. MockAgent 新增非标准查询参数支持
新版本为 MockAgent 增加了 acceptNonStandardSearchParameters 选项,这一改进使得开发者可以更灵活地处理包含非标准查询参数的请求。在实际开发中,我们经常会遇到需要处理不规范 URL 的情况,这个新选项可以帮助开发者在不修改现有代码的情况下,更好地模拟这些特殊情况。
2. HTTP 缓存行为优化
本次更新对 HTTP 缓存机制进行了多项改进:
- 缓存控制头现在支持不区分大小写的处理,这符合 HTTP 规范的要求,解决了之前因大小写不一致导致的缓存问题
- 修复了
no-cache响应指令的处理逻辑,现在会正确遵守不带限定条件的no-cache指令 - 修正了
max-age缓存行为的实现,确保符合规范要求
这些改进使得 Undici 的缓存行为更加符合 HTTP 标准,减少了因缓存问题导致的意外行为。
3. HTTP/2 头部字段合并优化
修复了 HTTP/2 中冲突的平面头部字段合并问题。在 HTTP/2 中,某些头部字段(如 cookie)可能会被拆分为多个字段,新版本确保这些字段能够被正确合并,避免了因头部字段处理不当导致的请求问题。
4. 客户端统计信息增强
新增了通过 Agent 访问客户端和连接池统计信息的能力。这一功能为性能监控和调试提供了更多数据支持,开发者现在可以更方便地获取以下信息:
- 当前活跃连接数
- 空闲连接数
- 请求队列状态
- 连接池使用情况
这些统计信息对于优化应用性能、诊断连接问题非常有价值。
其他改进
- 文档更新:新增了关于 CORS 规范合规性的说明文档
- 修复了诊断示例中的代码缺失问题
- 持续更新 Web 平台测试(WPT)套件,确保与标准的一致性
升级建议
对于正在使用 Undici 的开发者,建议尽快升级到 v7.9.0 版本,特别是以下情况:
- 需要处理非标准查询参数的 Mock 测试场景
- 依赖 HTTP 缓存功能的应用程序
- 使用 HTTP/2 协议并遇到头部字段问题的项目
- 需要监控客户端性能指标的应用
升级通常只需更新 package.json 中的版本号并重新安装依赖即可。如果项目中有自定义的缓存逻辑或 MockAgent 配置,可能需要根据变更进行相应调整。
总结
Undici v7.9.0 带来了多项重要改进,特别是在 Mock 测试灵活性、HTTP 缓存合规性和 HTTP/2 支持方面。这些更新不仅增强了库的功能性,也提高了与 HTTP 标准的兼容性。新增的统计信息访问能力为性能优化提供了新的工具,使得 Undici 在构建高性能 Node.js 应用时更加得心应手。
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