Unstorage v1.15.0 版本发布:增强键遍历与性能优化
Unstorage 是一个通用的键值存储抽象层,它为开发者提供了统一的 API 来操作各种后端存储系统。通过 Unstorage,开发者可以轻松地在内存、文件系统、Redis、CDN KV 等不同存储方案之间切换,而无需重写业务逻辑。
键遍历深度控制
本次 v1.15.0 版本最重要的增强之一是引入了 maxDepth 参数支持。这个功能特别适用于需要分层存储数据的场景,比如文件系统驱动。
在文件系统存储中,目录结构天然具有层级关系。以前,当调用 getKeys() 方法获取所有键时,会递归遍历所有子目录,这在某些情况下会导致性能问题。现在,开发者可以通过 maxDepth 参数精确控制遍历的深度:
// 只获取第一层级的键
const topLevelKeys = await storage.getKeys({ maxDepth: 1 })
// 获取两级深度的键
const twoLevelKeys = await storage.getKeys({ maxDepth: 2 })
值得注意的是,文件系统驱动(fs 和 fs-lite)已经原生支持这一特性,这意味着在这些驱动上使用 maxDepth 时可以获得最佳性能。
驱动标志系统
另一个重要改进是新增了 flags 键到驱动接口中。这是一个元数据系统,允许驱动声明其支持的特性。例如,驱动可以通过设置 flags.nativeMaxDepth 为 true 来表明它原生支持 maxDepth 参数。
这种设计使得 Unstorage 能够智能地选择最优的实现路径。当检测到驱动原生支持某个特性时,框架会直接使用驱动提供的实现,否则会使用兼容层来处理。
性能优化
性能方面,本次更新做了两处重要改进:
-
当驱动原生支持
maxDepth时,跳过额外的过滤步骤,直接使用驱动提供的实现,减少了不必要的计算开销。 -
升级了文件系统监视依赖 chokidar 到 v4 版本,这带来了更好的性能和更少的内存占用。
其他改进
- 修复了
prefixStorage包装器中快捷别名方法的问题,确保所有方法都能正确工作 - 改进了文件系统驱动的选项处理逻辑,使其更加健壮
- 测试套件现在会在每个测试后自动清理存储状态,避免了测试间的相互干扰
总结
Unstorage v1.15.0 通过引入键遍历深度控制和驱动标志系统,为开发者提供了更精细的控制能力和更好的性能。特别是对于需要处理大量分层数据的应用场景,这些改进可以显著提升效率。文件系统驱动的原生深度支持和 chokidar 的升级也进一步巩固了 Unstorage 作为存储抽象层的可靠性。
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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
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