Drasi平台0.2.0版本发布:全面增强事件驱动架构能力
Drasi是一个现代化的开源事件驱动架构平台,它通过连接各种数据源和反应器,实现了高效的数据流动和事件处理。在0.2.0版本中,Drasi平台迎来了多项重要更新,显著提升了其在云原生环境下的适应能力和开发体验。
核心架构改进
本次版本对Drasi平台的核心组件进行了多项增强。变化路由器和变化分发器组件现在支持了更完善的日志记录机制,这使得系统管理员能够更清晰地追踪事件流转过程,便于故障排查和性能优化。同时,平台引入了身份提供者机制,为数据源和反应器提供了统一的安全认证方案。
多语言SDK支持
0.2.0版本显著扩展了开发语言支持范围。新增的Python反应器SDK让Python开发者能够轻松集成Drasi平台,而Java和Rust的数据源SDK则为这些语言的开发者提供了原生支持。特别值得一提的是,.NET数据源SDK的加入,进一步丰富了微软技术栈开发者的选择。
数据源扩展
平台的数据源类型得到了大幅扩充。新增的Kubernetes数据源可以直接监听集群资源变化,而EventHub数据源则为Azure环境提供了强大的事件摄取能力。关系型数据源组件经过重构后,新增了对MySQL数据库的支持,同时保持了与原有PostgreSQL的兼容性。
反应器增强
反应器生态系统在本版本中获得了多项重要更新。Azure存储队列反应器为消息处理提供了可靠的后端,而SignalR反应器配合React/Vue客户端示例,为实时Web应用开发提供了开箱即用的解决方案。AWS EventBridge反应器的加入,完善了平台对AWS生态系统的支持。
开发者体验优化
开发工具链在本版本中得到了显著改进。VS Code扩展配置进行了更新,提供了更流畅的开发体验。Dapr运行时安装现在支持从微软容器注册表获取,解决了部分地区的访问问题。平台还实现了数据源订阅的删除功能,使资源管理更加灵活。
部署与运维改进
在部署方面,0.2.0版本实现了向原生多平台Docker镜像构建的过渡,这意味着平台现在可以更好地支持不同架构的计算环境。同时移除了对Dapr版本的固定约束,使平台能够更灵活地适应不同版本的Dapr运行时。
安全更新
平台依赖的多个安全关键库都进行了版本升级,包括OpenSSL、Rustls等,确保了数据传输和存储的安全性。这些更新解决了已知问题,提升了平台的整体安全态势。
Drasi 0.2.0版本的发布标志着该平台在构建企业级事件驱动架构解决方案方面又迈出了坚实的一步。通过这次更新,开发团队不仅扩展了平台的功能边界,还显著提升了开发体验和系统可靠性,为构建复杂的分布式系统提供了更加强大的基础。
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