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。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-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
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