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。
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