Workerd项目v1.20250405.0版本发布:Python构建支持与Node.js兼容性增强
Workerd是一款开源的高性能JavaScript/Wasm运行时环境,专为构建分布式计算应用而设计。它支持多种JavaScript运行时特性,并提供了与Node.js兼容的API接口。本次发布的v1.20250405.0版本带来了一系列重要更新,特别是在Python构建支持和Node.js兼容性方面的改进。
Python构建系统升级
本次版本对Python的Bazel构建系统进行了重要更新,现在可以同时支持构建Python 0.27.1和0.26.0a2两个版本。这一改进为开发者提供了更大的灵活性,可以根据项目需求选择合适的Python版本进行构建和部署。
Bazel作为开源的构建工具,以其高效的增量构建和跨平台支持著称。Workerd项目通过优化Bazel配置,实现了对多个Python版本的同时支持,这对于需要维护不同Python版本兼容性的项目尤为重要。
Node.js兼容性增强
在Node.js兼容性方面,本次更新包含了多个重要改进:
-
tls模块增强:新增了convertALPNProtocols()方法,完善了对TLS协议ALPN扩展的支持。ALPN(Application-Layer Protocol Negotiation)是TLS协议的扩展,用于在握手阶段协商应用层协议,这对HTTP/2等现代协议的支持至关重要。
-
navigator API扩展:新增了navigator.hardwareConcurrency属性,该属性返回用户计算机上可用的逻辑处理器核心数。这一特性对于需要根据硬件能力优化性能的Web应用非常有用。
-
process模块完善:增加了process.features相关属性,提供了更多关于Node.js运行时特性的信息。这些特性标志可以帮助开发者编写更具兼容性的代码。
工作流功能改进
Workflow相关功能也获得了显著增强:
-
waitForEvent支持:在WorkflowStep中新增了waitForEvent方法,允许工作流步骤等待特定事件的发生。这一功能使得工作流可以更好地响应异步事件,构建更复杂的业务流程。
-
sendEvent功能:为Workflows实例添加了sendEvent方法,使得可以从外部向工作流发送事件。这一改进增强了工作流与外部系统的交互能力。
其他重要变更
-
WebGPU移除:移除了实验性的WebGPU实现。WebGPU是新一代图形API,但由于其仍处于早期阶段且未被广泛使用,团队决定暂时移除以简化代码库。
-
日期API修复:回滚了"使Date API始终使用UTC时区"的变更,恢复了原有的时区处理逻辑。这一调整确保了与现有代码的兼容性。
-
类型快照修复:修复了类型快照工作流的问题,提高了开发体验。
总结
Workerd v1.20250405.0版本在多个方面都有显著改进,特别是增强了与Node.js生态系统的兼容性,为开发者提供了更完善的API支持。Python构建系统的升级也为多版本支持提供了更好的基础。这些改进使得Workerd作为分布式计算运行时更加成熟和可靠,能够满足更广泛的开发需求。
对于正在使用或考虑使用Workerd的开发者,建议关注这些新特性,特别是工作流相关功能的增强,它们可以显著简化复杂业务逻辑的实现。同时,Node.js兼容性的持续改进也使得从现有Node.js生态迁移到Workerd变得更加平滑。
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
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
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
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
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00