VoltAgent核心库0.1.37版本发布:强化对话历史管理与子代理事件流
VoltAgent是一个专注于构建智能对话系统的开源框架,其核心库提供了对话管理、记忆存储和代理协作等基础能力。本次发布的0.1.37版本带来了两项重要改进:全面增强的对话历史管理功能和子代理事件流的完善支持。
对话历史管理的企业级增强
现代对话系统需要精确追踪用户对话上下文,0.1.37版本通过引入userId和conversationId支持,为系统提供了更强大的对话追踪能力。这项改进覆盖了所有存储后端实现,包括PostgreSQL、Supabase、LibSQL以及内存存储。
技术实现上,存储层新增了两个核心字段:
- userId:标识对话所属用户
- conversationId:标识特定对话会话
PostgreSQL和Supabase后端采用自动迁移策略,确保现有数据无缝升级。迁移脚本精心设计了非破坏性变更逻辑,即使在生产环境也能安全执行。对于LibSQL实现,新增字段的同时建立了优化索引,保障查询性能不受影响。
开发者现在可以通过统一API访问这些增强功能。例如,查询特定用户的完整对话历史,或者检索某次会话的所有交互记录,都变得简单高效。这种设计特别适合需要多轮对话、用户个性化服务的应用场景。
子代理事件流的完整支持
分布式代理架构中,子代理活动的可见性至关重要。0.1.37版本修复了子代理事件传播的缺陷,现在所有子代理的关键事件都会正确传递到父代理的事件流中。
具体改进包括:
- 文本增量更新(text-delta)事件的实时转发
- 工具调用(tool-call)和工具结果(tool-result)的完整传递
- 推理过程(reasoning)和来源(source)信息的透明化
- 结束(finish)状态的准确通知
每个转发事件都携带了subAgentId和subAgentName元数据,这使得前端可以:
- 按子代理过滤事件流
- 在UI中清晰区分不同代理的贡献
- 构建更精细的调试和监控界面
技术实现亮点
内存存储实现采用了零拷贝技术优化事件转发性能。对于数据库后端,查询优化器已针对新字段调整,确保历史记录检索效率。事件总线实现了智能的背压控制,防止高负载下的事件堆积。
开发者应该注意,虽然API保持向后兼容,但充分利用新功能需要更新客户端代码来解析新增的元数据字段。框架的TypeScript类型定义已同步更新,提供了完整的类型提示支持。
这次更新标志着VoltAgent在企业级对话系统支持上又迈出了坚实一步,为构建更复杂、更可靠的智能代理系统打下了坚实基础。
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-X1-7BSpark-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