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。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0195
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0124
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python05
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07