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。
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