Encore项目v1.46.0版本发布:存储对象签名URL与本地仪表盘增强
项目简介
Encore是一个现代化的后端开发框架,它通过抽象基础设施的复杂性,让开发者能够专注于业务逻辑的实现。Encore提供了自动化的API生成、数据库管理、分布式追踪等功能,极大地简化了云原生应用的开发流程。
存储对象签名URL功能
在v1.46.0版本中,Encore引入了一项备受期待的功能——存储对象签名URL。这项功能为开发者提供了更灵活、更安全的文件传输方案。
签名上传URL
开发者现在可以生成有时效性的签名URL,允许客户端直接上传文件到对象存储,而无需经过后端服务中转。这不仅减轻了API服务的负载,还利用了云存储服务的高效传输能力。
// 生成一个有效期为2小时的签名上传URL
const uploadUrl = await profilePictures.signedUploadUrl("user-id", {ttl: 7200})
客户端可以使用这个URL直接上传文件,例如通过curl命令:
curl -X PUT --data-binary @local-file.jpg "https://storage.googleapis.com/bucket-name/object-id?signature=..."
签名下载URL
对于私有存储桶中的对象,现在也可以生成签名下载URL,允许特定客户端在有限时间内访问这些资源。这在需要临时分享私有文件的场景下特别有用。
本地开发仪表盘增强
v1.46.0版本显著改进了本地开发体验,新增了基础设施仪表盘功能。
基础设施可视化
开发者现在可以在本地开发环境中直观地查看所有运行中的基础设施组件。这包括数据库实例、消息队列、定时任务等,帮助开发者快速验证本地环境的配置是否正确。
定时任务管理
新版本特别强化了对Cron Jobs的支持,开发者可以直接从仪表盘界面手动触发定时任务,大大简化了开发和测试流程。
追踪查看器改进
Encore的分布式追踪系统也获得了重要更新,新增了事件详情展示功能。
事件详情面板
在复杂的调用链路追踪中,开发者现在可以点击时间线上的任意事件,查看该事件的详细信息。这个改进使得分析包含多个事件的复杂调用链变得更加容易。
技术实现细节
-
签名URL安全性:Encore使用HMAC-SHA256算法生成签名,确保URL不能被篡改。每个签名包含过期时间、操作权限和资源路径等信息。
-
本地基础设施模拟:Encore的本地运行时环境现在完整模拟了云环境中的基础设施组件,包括它们的元数据和状态信息。
-
追踪事件优化:追踪系统现在会记录更详细的事件元数据,并在UI中智能分组相关事件,提高可读性。
升级建议
对于现有项目,建议通过以下命令升级Encore工具链:
encore version update
新功能特别是签名URL功能,需要更新相关SDK才能使用。建议开发者在升级后检查是否有API变更影响现有代码。
未来展望
根据Encore团队的规划,未来版本将继续增强本地开发仪表盘的功能,特别是数据库管理方面的工具。社区用户可以通过官方渠道提出功能建议,共同参与框架的演进。
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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
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