ORPC v0.36.0 发布:全面升级拦截器机制与自动类型转换
ORPC 是一个基于 TypeScript 的 RPC 框架,专注于提供类型安全、高性能的远程过程调用能力。它通过 Zod 实现强大的输入验证,并支持 OpenAPI 规范,使得前后端协作更加顺畅。
重大变更:拦截器机制全面升级
本次 v0.36.0 版本带来了两个重要的架构调整:
-
废弃旧版钩子,全面转向拦截器机制
原先的onError、onSuccess等钩子函数已被完全移除,取而代之的是更强大、更灵活的拦截器系统。拦截器提供了更清晰的执行流程控制和更丰富的上下文信息访问能力。 -
ZodCoercer 被 ZodAutoCoercePlugin 取代
类型自动转换功能现在通过插件机制实现,新的ZodAutoCoercePlugin提供了更优雅的类型转换解决方案。
拦截器机制详解
新的拦截器机制采用了中间件模式,允许开发者在请求处理的不同阶段插入自定义逻辑。以下是一个典型的使用示例:
const openAPIHandler = new OpenAPIHandler(router, {
interceptors: [
onError((error) => {
console.error(error)
}),
],
plugins: [
new CORSPlugin({
origin: 'http://localhost:3000',
}),
new ResponseHeadersPlugin(),
new ZodAutoCoercePlugin(),
],
})
拦截器相比旧版钩子有以下优势:
- 更清晰的执行顺序控制
- 更丰富的上下文信息
- 更好的错误处理能力
- 更灵活的扩展方式
ZodAutoCoercePlugin:智能类型转换
ZodAutoCoercePlugin 是 ZodCoercer 的替代方案,它能够根据 Zod 模式定义自动进行类型转换。例如,当客户端传递的字符串 "123" 对应服务端定义的 number 类型时,插件会自动将其转换为数字 123。
需要注意的是,在纯 RPC 场景下(使用 RPCHandler)不需要启用此插件,因为 RPC 调用通常已经保证了类型正确性,启用插件反而会影响性能。
CORS 增强:支持 Timing-Allow-Origin
本次更新还为 CORS 插件增加了对 Timing-Allow-Origin 的支持,这使得前端应用能够获取更精确的资源加载计时信息,对于性能监控和优化非常有帮助。
升级建议
对于现有项目,升级到 v0.36.0 需要做以下调整:
- 将所有
onError、onSuccess等钩子替换为对应的拦截器 - 将
ZodCoercer替换为ZodAutoCoercePlugin - 检查 RPC 调用场景,移除不必要的类型转换插件
这些架构改进使得 ORPC 在保持高性能的同时,提供了更强大、更灵活的扩展能力,为开发者构建复杂的分布式系统提供了更好的支持。
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 StartedRust024
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