Spring GraphQL 1.3.5版本发布:增强订阅支持与错误处理优化
Spring GraphQL项目发布了1.3.5版本,这是一个维护性更新版本,主要针对GraphQL订阅功能、错误处理和测试工具进行了多项改进。作为Spring生态系统中的GraphQL实现框架,Spring GraphQL提供了与Spring Boot无缝集成的能力,让开发者可以轻松构建基于GraphQL的API服务。
订阅功能增强
本次更新对GraphQL订阅功能进行了重要改进。在之前的版本中,当使用graphql-java-extended-validation扩展验证指令时,订阅操作可能会抛出IllegalStateException而不是预期的验证错误。1.3.5版本修复了这个问题,现在会正确返回验证错误信息,使得订阅功能的错误处理更加规范。
此外,GraphQlTester现在能够正确处理订阅操作中的扩展字段。测试工具的这一改进使得开发者可以更方便地验证包含扩展字段的订阅响应,提升了测试的完整性和便利性。
测试工具改进
GraphQlTester.Response接口新增了对扩展字段的支持。在GraphQL响应中,扩展字段(extensions)常用于返回额外的元数据信息。1.3.5版本之前,测试工具无法直接访问这些扩展字段,开发者需要通过其他方式验证这部分内容。现在,通过Response接口可以直接获取和验证扩展字段,大大简化了测试代码的编写。
错误处理优化
本次更新修复了几个重要的错误处理问题:
-
当HTTP请求包含无效的"Content-Type"头时,框架现在会正确处理而不是返回500错误。这一改进使得API对客户端请求的容错性更强。
-
修复了取消信号未从传输层传播到响应式控制器方法的问题。在之前的版本中,当客户端取消请求时,后端处理可能不会及时终止。现在取消信号能够正确传播,提高了资源利用效率。
-
改进了对GraphQL Relay规范中非空"edges"列表类型的支持。现在框架能够正确处理这种类型的定义,避免了潜在的类型检查错误。
依赖项升级
1.3.5版本同步升级了多个核心依赖:
- Context Propagation升级至1.1.3版本
- Micrometer升级至1.13.13版本
- Reactor升级至2023.0.17版本
- Spring Framework升级至6.1.19版本
这些依赖升级带来了性能改进和bug修复,同时保持了与Spring生态系统的兼容性。
文档改进
本次更新还修复了代码生成文档页面被截断的问题,确保开发者能够获取完整的代码生成相关信息。良好的文档对于框架的采用至关重要,这一改进有助于降低新用户的学习曲线。
总结
Spring GraphQL 1.3.5版本虽然是一个维护性更新,但在订阅功能、错误处理和测试工具方面都做出了有价值的改进。这些变化使得框架更加稳定和易用,特别是在处理复杂订阅场景和错误情况时表现更佳。对于正在使用Spring GraphQL的团队,建议评估升级到这个版本以获取这些改进带来的好处。
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-X1-7BSpark-Prover-X1-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
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-X1-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile015
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00