TanStack DB 0.0.6版本发布:更强大的实时查询与数据变更处理
TanStack DB是一个现代化的JavaScript数据库解决方案,旨在为前端开发者提供简单、高效的数据管理能力。它支持实时查询、乐观更新等特性,非常适合构建响应式Web应用。最新发布的0.0.6版本带来了几项重要改进,显著提升了开发体验和功能灵活性。
实时查询功能的增强
新版本对实时查询功能进行了两项重要改进,使得数据筛选和转换更加灵活和强大。
首先是where子句现在支持回调函数形式。开发者可以传入一个接收行数据作为参数的回调函数,利用完整的JavaScript能力进行数据筛选。这意味着不再局限于简单的字段比较,可以实现任意复杂的过滤逻辑。
// 使用回调函数进行复杂过滤
const filteredData = collection.liveQuery({
where: (row) => {
return row.age > 18 && row.name.startsWith('A');
}
});
其次是select子句同样支持了回调函数形式。这个改进允许开发者在返回数据前对每一行进行任意转换和处理,不再局限于简单的字段选择。
// 使用回调函数转换返回数据
const transformedData = collection.liveQuery({
select: (row) => ({
fullName: `${row.firstName} ${row.lastName}`,
agePlus10: row.age + 10
})
});
这两项改进大大增强了实时查询的表达能力,使得开发者可以更灵活地处理数据,而无需在查询后额外编写数据处理代码。
数据变更处理的新模式
0.0.6版本引入了一种更直观的数据变更处理模式,简化了插入、更新和删除操作的实现方式。
现在,开发者可以直接在集合配置中定义onInsert、onUpdate和onDelete处理器。当调用collection.insert()、.update()或.delete()方法时,如果没有显式的事务环境(即不在useOptimisticMutation中),库会自动创建一个单操作事务并调用相应的处理器来持久化变更。
const posts = new Collection({
// ...其他配置
onInsert: async (newPost) => {
// 持久化逻辑
return { refetch: true }; // 可选:控制是否重新获取数据
},
onUpdate: async (updatedPost) => {
// 持久化逻辑
return { refetch: false };
},
onDelete: async (postId) => {
// 持久化逻辑
return { refetch: true };
}
});
对于使用ElectricSQL的场景,处理器需要返回包含事务ID的对象,集合会自动等待该事务同步完成后再解析变更,确保数据一致性。
const electricPosts = new Collection({
// ...其他配置
onInsert: async (newPost) => {
const result = await electricDB.insert(...);
return { txid: result.txid }; // 必须返回事务ID
}
});
这一改进使得常见的数据变更场景代码更加简洁直观,同时保留了useOptimisticMutation用于处理复杂事务的能力。
迁移建议与最佳实践
对于现有项目迁移到0.0.6版本,建议开发者:
- 将简单的单集合操作从
useOptimisticMutation迁移到直接调用集合方法并配置相应的处理器 - 保留复杂的事务逻辑继续使用
useOptimisticMutation - 利用新的实时查询回调功能简化数据处理逻辑
- 对于ElectricSQL项目,确保所有处理器都返回正确的事务ID
新版本通过这些改进,使得TanStack DB在保持强大功能的同时,API更加简洁直观,进一步提升了开发体验和应用性能。
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
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