Malli 0.18.0 版本发布:解析器优化与关键修复
Malli 是一个用于 Clojure 和 ClojureScript 的功能强大的数据验证和模式库。它提供了一种声明式的方式来定义数据结构,并支持验证、转换、生成测试数据等功能。Malli 的设计哲学是简单、可组合和可扩展,这使得它成为处理复杂数据结构的理想选择。
解析与反解析的重大改进
本次 0.18.0 版本中最显著的变化是对解析器输出的重构。现在,parse 函数的输出使用了新的 malli.core.Tag 和 malli.core.Tags 记录类型来处理 :orn、:multi、:altn、:catn 等复杂模式。
这一变化意味着:
- 解析后的数据结构现在具有更明确的语义标签
- 类型信息更加丰富和规范化
- 为未来的扩展提供了更好的基础架构
对于开发者来说,这意味着在处理复杂模式时能够获得更一致和可预测的行为,特别是在涉及联合类型(:orn)和多重分派(:multi)等高级特性时。
Swagger 和 JSON Schema 输出的改进
另一个重要变化是 Swagger 和 JSON-Schema 输出现在使用点号(.)而不是斜杠(/)作为分隔符。这一变化使得生成的模式名称更加符合现代工具的期望,提高了与其他生态系统的兼容性。
值得注意的是,这一变化只会影响那些依赖于模式确切名称的集成场景。对于大多数用户来说,这一改进应该是透明的,不会破坏现有功能。
文档与错误修复的增强
本次更新还包含了对文档的改进,特别是关于 optional-keys 和 required-keys 的部分,使得这些关键概念更加清晰易懂。
在错误修复方面,有几个值得注意的改进:
- 修复了
:path在解释:ref错误时的问题 - 改进了对带有原始类型提示(如
^double)函数的处理 :map-of和:map解码现在能正确保留输入映射类型(如sorted-map)- 修复了 CLJS 中模式和 into-schemas 的打印一致性问题
- 改进了
:merge和:union对单子节点的处理 - 修复了
default-value-transformer在:map中包含:ref时的问题 - 修复了
empty?模式的生成器问题
向后兼容性考虑
作为一次重大版本更新,0.18.0 包含了一些破坏性变更。开发者需要注意:
- 解析器输出的结构变化可能影响现有的解析后处理逻辑
- Swagger/JSON Schema 输出的分隔符变化可能影响某些集成场景
建议在升级前仔细测试现有代码,特别是那些直接依赖于解析输出或模式名称的功能。
总结
Malli 0.18.0 版本带来了多项重要改进,特别是在解析器架构和模式输出方面。这些变化不仅修复了已知问题,还为库的未来发展奠定了更好的基础。对于现有用户,建议评估破坏性变更的影响并相应地调整代码;对于新用户,这个版本提供了更稳定和一致的功能集。
随着 Malli 的持续发展,它正成为 Clojure 生态系统中处理数据验证和模式的最强大工具之一。0.18.0 版本的这些改进进一步巩固了这一地位。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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