推荐开源项目:CL-REDIS - 基于Common Lisp的高效Redis客户端库
CL-REDIS 是一个强大且稳定的Common Lisp编程语言实现的Redis客户端。它已经过Redis版本3.0.0(具体为2.9.104)的测试,提供了一套简洁易用的接口,使你在Lisp环境中与Redis服务器进行交互变得轻而易举。
使用方法
- 确保Redis服务正在运行。
- 在Lisp环境中执行
(ql:quickload 'cl-redis)加载库。 - 连接服务器,如
(redis:connect :host <主机> :port <端口>),默认主机是127.0.0.1,端口是6379。 - 使用
red包中的命令与服务器交互,例如(red:ping)返回"PONG"。 - 完成操作后,通过
(redis:disconnect)断开连接。 - 或者,可以使用
with-connection宏来包裹你的代码块,自动管理连接的建立和关闭。
功能特性
CL-REDIS提供了完整的Redis命令集,并在REDIS和RED两个包中封装。REDIS包包含了所有功能,而RED包则提供无前缀的命令名,方便直接调用。
库组织结构
系统分为REDIS和RED两个包。所有的功能都在REDIS包内,但为了避免符号冲突,Redis命令默认带有red-前缀。RED包则提供了没有前缀的命令名,以便在不导入整个REDIS包的情况下使用,避免与COMMON-LISP中的其他符号冲突。
安装
通过Quicklisp轻松安装:
(ql:quickload 'cl-redis)
依赖项包括:usocket,flexi-streams,rutils以及仅用于测试的nuts和bordeaux-threads。
调试与错误恢复
设置*echo-p*为T,所有的客户端-服务器通信将被回显到*echo-stream*上,默认是*standard-output*。错误处理模仿了Postmodern,当通信流中断时,会发出redis-connection-error条件并提供:reconnect重启。如果重连成功,将会重新发送Redis命令。此外,connect会在已存在连接时提供:leave和:replace重启选项。
当服务器响应错误回复时,会发出redis-error-reply条件。
还有with-persistent-connection高阶宏,可以在连接断开时尝试自动重新打开连接。
高级用法
- PubSub:支持发布/订阅模式,可以通过创建线程来监听消息。
- Pipelining:用于提高性能的命令批处理,可显著减少执行时间。
内部工作原理
tell和expect这两个泛型函数实现了Redis协议。def-cmd宏用于定义Redis命令,自动处理名称前缀和导出。
待实现功能
- 目前不支持Unix域套接字,但在未来计划中。
- 暂未实现一致性哈希和连接池。
致谢与许可证
CL-REDIS由Vsevolod Dyomkin开发维护,初期阶段由Alexandr Manzyuk贡献部分代码。本项目遵循MIT许可协议。
CL-REDIS以其强大的功能和灵活的设计,为Common Lisp开发者提供了一个高效的Redis客户端解决方案。无论你是初学者还是经验丰富的开发者,都能从中受益,欢迎加入开源社区,共同探索并利用CL-REDIS实现更多可能性!
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