ORPC v0.35.0 发布:全新插件系统与核心架构升级
ORPC(OpenAPI RPC Framework)是一个基于 TypeScript 的 RPC 框架,它通过 OpenAPI 规范来定义和实现远程过程调用。该框架特别适合需要强类型安全和 API 文档自动生成的项目,能够显著提升前后端协作效率。
核心架构重构
本次 v0.35.0 版本带来了重大架构调整,最显著的变化是处理器的全面重写。框架现在原生支持 fetch API 和 Node.js HTTP 服务器的原生接口,这一改变带来了显著的性能提升和更好的兼容性。
原有的四个生命周期选项(onStart、onSuccess、onError 和 onFinish)已被移除,取而代之的是全新的拦截器系统。开发者现在可以使用更灵活、功能更强大的拦截器来实现相同的功能。同时,OpenAPIServerHandler 和 OpenAPIServerlessHandler 两个处理器被合并为统一的 OpenAPIHandler,这个新处理器针对各种部署环境都进行了优化。
全新插件系统
v0.35.0 版本引入了插件系统,首批推出的两个官方插件是 CORSPlugin 和 ResponseHeadersPlugin。
CORSPlugin 简化了跨域资源共享配置,开发者只需简单配置 origin 参数即可启用 CORS 支持。ResponseHeadersPlugin 则为响应头管理提供了统一接口,通过上下文对象可以方便地设置自定义响应头。
插件系统的设计采用了依赖注入模式,ResponseHeadersPlugin 会自动向上下文类型中注入 ResponseHeadersPluginContext,开发者可以方便地通过类型扩展来使用这些功能。
改进与优化
除了上述重大变更外,本次更新还包含了对 Hono 框架兼容性的改进。Hono 是一个轻量级的 Web 框架,ORPC 现在能够更好地与其集成,特别是在中间件支持方面进行了优化。
错误处理也得到了增强,新的拦截器系统提供了更精细的错误处理能力。开发者可以针对不同类型的错误实现特定的处理逻辑,同时保持代码的整洁和可维护性。
升级建议
对于现有项目,升级到 v0.35.0 需要注意以下几点:
- 所有处理器相关的代码需要按照新 API 重写
- 生命周期钩子需要迁移到新的拦截器系统
- 可以考虑使用新的插件系统来替代部分自定义中间件
虽然升级需要一定的工作量,但新版本带来的性能提升和功能增强值得投入。特别是插件系统的引入,为框架的扩展性打开了新的可能性,开发者可以期待更多官方和社区插件的出现。
ORPC 正在朝着更现代化、更灵活的方向发展,v0.35.0 是一个重要的里程碑版本,为未来的功能扩展奠定了坚实的基础。
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