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。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
Baichuan-M3-235BBaichuan-M3 是百川智能推出的新一代医疗增强型大型语言模型,是继 Baichuan-M2 之后的又一重要里程碑。Python00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00