bknd项目v0.13.0版本发布:自定义JSON Schema与OpenAPI集成
bknd是一个基于现代Web技术栈构建的全栈开发框架,它采用了创新的架构设计,特别强调对JSON Schema的原生支持。在最新发布的v0.13.0版本中,项目团队带来了两项重大改进:全新的JSON Schema处理方案和API存储自定义支持,这些改进显著提升了开发体验和框架的灵活性。
自定义JSON Schema实现与OpenAPI集成
在v0.13.0版本中,bknd团队彻底重构了JSON Schema的处理方式。此前框架依赖的第三方库存在诸多限制:有的仅提供验证功能而缺乏完整Schema构建能力,有的则将JSON Schema作为次要功能而非核心设计目标。这种状况严重制约了框架在MCP支持和可视化工作流等高级功能上的发展。
为解决这一问题,团队开发了全新的jsonv-ts库,它具有以下核心特性:
-
类Zod的API设计:借鉴了Zod的直观API风格,但完全以JSON Schema为核心设计目标,提供了更符合开发者直觉的使用体验。
-
全面的验证支持:内置验证器已通过官方测试套件中74%的测试用例,同时生成的Schema兼容任何标准验证器。
-
高级特性支持:
- 自动类型转换:特别适用于处理SearchParams等场景
- 属性级自定义验证:可以在字段级别添加额外的验证逻辑
- Hono中间件集成:支持验证查询参数、JSON数据、表单数据等多种输入源
-
无缝OpenAPI生成:使用验证中间件的路由会自动生成OpenAPI规范,开发者无需额外工作即可获得完整的API文档。
这一改进使得每个bknd实例都能自动生成完整的OpenAPI规范,并自动关联当前用户认证信息,极大简化了API文档维护工作。
自定义存储API支持
新版本为Api实例增加了storage配置选项,允许开发者完全控制认证状态的存储方式。该选项接收一个与localStorage兼容的接口:
{
getItem: (key: string) => string | undefined | null | Promise<string | undefined | null>;
setItem: (key: string, value: string) => void | Promise<void>;
removeItem: (key: string) => void | Promise<void>;
}
这一改进使得bknd可以灵活适配各种存储场景:
- 浏览器localStorage
- Chrome扩展的浏览器存储
- 自定义的客户端存储方案
通过ClientProvider组件,开发者可以轻松地将自定义存储注入到整个应用中:
<ClientProvider storage={window.localStorage} />
其他重要改进
-
管理界面增强:
- 数据/认证路由驱动的设置
- 可折叠组件支持,提升界面组织性
-
性能优化:
- 移除了针对Turso AWS端点的批处理变通方案,简化了代码结构
技术影响与展望
v0.13.0版本的发布标志着bknd在API开发体验上的重大飞跃。自定义JSON Schema处理方案不仅解决了现有问题,还为未来的可视化工作流等高级功能奠定了坚实基础。OpenAPI的自动生成更是将API文档维护工作自动化,显著提升了开发效率。
自定义存储支持则展现了框架的灵活性和可扩展性,使bknd能够适应更广泛的部署场景。这些改进共同推动bknd向着更成熟、更强大的全栈框架方向发展。
对于开发者而言,这些变化意味着更简洁的代码、更强大的功能和更灵活的部署选项。随着这些核心组件的稳定,我们可以期待bknd在未来的版本中带来更多创新特性。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0118
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
fun-rec推荐系统入门教程,在线阅读地址:https://datawhalechina.github.io/fun-rec/Python03
so-large-lm大模型基础: 一文了解大模型基础知识01