Bon项目v3.5.0版本发布:构建器模式与文档生成的增强
Bon是一个Rust语言的构建器模式(Builder Pattern)代码生成库,它通过过程宏简化了构建器模式的实现。构建器模式是一种创建型设计模式,允许用户通过链式调用的方式逐步构建复杂对象,特别适合需要多个可选参数的场景。
本次发布的v3.5.0版本主要带来了两个重要改进:文档生成控制和宏属性顺序检查。这些改进虽然看似微小,但对于提升开发体验和代码质量有着实际意义。
文档生成控制:setters(doc(default(skip)))
在构建器模式中,我们经常需要为字段设置默认值。之前的版本中,这些默认值会被自动包含在生成的文档中,这在某些情况下可能不是开发者想要的。v3.5.0版本引入了setters(doc(default(skip)))属性,允许开发者显式地跳过默认值在文档中的显示。
这个特性的使用场景包括:
- 当默认值实现较为复杂,不适合直接展示在文档中时
- 当默认值可能随时间变化,不希望给用户造成"这是固定值"的印象时
- 当默认值的展示会干扰主要API文档的可读性时
使用方法很简单,只需要在字段上添加该属性即可:
#[builder]
struct Config {
#[builder(setters(doc(default(skip))))]
timeout: u64,
}
宏属性顺序检查
另一个改进是关于宏属性顺序的编译器警告。在Rust中,当同时使用#[tracing::instrument]和#[builder]属性时,如果#[tracing::instrument]放在#[builder]之后,会导致生成的span名称带有难看的__orig_前缀。
v3.5.0版本会触发编译器警告来提醒开发者正确的属性顺序应该是:
#[tracing::instrument] // 这个应该在前
#[builder] // 这个应该在后
fn my_function() { ... }
这个改进虽然小,但对于保持代码整洁和提高调试体验很有帮助,因为正确的span名称可以让日志更加清晰易读。
其他修复
本次版本还修复了一个关于自由函数上重复#[builder]属性被忽略的问题。这意味着现在可以在自由函数上安全地使用多个#[builder]属性而不会出现意外行为。
总结
Bon v3.5.0虽然不是一个重大版本更新,但这些改进展示了项目对开发者体验的持续关注。文档生成控制的增强让API文档更加精准,宏属性顺序检查避免了潜在的调试困扰,这些细节的打磨使得Bon作为一个构建器模式代码生成工具更加完善和易用。
对于正在使用或考虑使用Bon的Rust开发者来说,这个版本值得升级,特别是那些需要精细控制文档内容或同时使用tracing进行日志记录的项目。
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00- DDeepSeek-OCR暂无简介Python00
openPangu-Ultra-MoE-718B-V1.1昇腾原生的开源盘古 Ultra-MoE-718B-V1.1 语言模型Python00
HunyuanWorld-Mirror混元3D世界重建模型,支持多模态先验注入和多任务统一输出Python00
AI内容魔方AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。03
Spark-Scilit-X1-13BFLYTEK Spark Scilit-X1-13B is based on the latest generation of iFLYTEK Foundation Model, and has been trained on multiple core tasks derived from scientific literature. As a large language model tailored for academic research scenarios, it has shown excellent performance in Paper Assisted Reading, Academic Translation, English Polishing, and Review Generation, aiming to provide efficient and accurate intelligent assistance for researchers, faculty members, and students.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).Dockerfile013
Spark-Chemistry-X1-13B科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00