Encore框架v1.46.18版本发布:数据库事务与中间件数据传递能力升级
Encore是一款现代化的后端开发框架,它通过抽象基础设施复杂性,让开发者能够专注于业务逻辑的实现。该框架支持TypeScript语言,并提供了一系列开箱即用的功能,如自动API文档生成、分布式追踪等。
数据库事务支持
本次发布的v1.46.18版本中,最值得关注的特性是为TypeScript项目新增了数据库事务支持。这一功能使得开发者能够在业务逻辑中创建和管理数据库事务,确保数据操作的原子性和一致性。
在实现上,Encore提供了简洁的API来开启事务:
await db.transaction(async (tx) => {
// 在此闭包内的所有数据库操作将作为一个事务执行
await tx.insert(...);
await tx.update(...);
});
当闭包内的代码执行成功时,事务会自动提交;如果抛出异常,则会自动回滚。这种设计模式既保证了事务的完整性,又避免了手动管理事务的复杂性。
中间件数据传递机制
另一个重要改进是增强了中间件间的数据传递能力。在Web开发中,中间件是处理HTTP请求的重要组件,经常需要在不同的中间件之间共享数据。
新版本允许中间件通过context对象传递数据,例如:
// 在第一个中间件中设置数据
context.set('user', {id: 123, name: 'Alice'});
// 在后续中间件或处理程序中获取数据
const user = context.get('user');
这种机制使得认证、日志记录等跨切面关注点的实现更加优雅,同时也保持了类型安全性。
分布式追踪优化
在分布式系统监控方面,本次更新修复了两个关键问题:
-
子追踪采样率计算错误:修正了在生成子追踪时采样率计算不准确的问题,确保追踪数据的完整性和代表性。
-
TraceParent解析问题:改进了W3C追踪上下文标准(Trace-Context)中TraceParent头的解析逻辑,提升了跨服务追踪的可靠性。
这些改进使得开发者能够更准确地分析和诊断微服务架构中的性能问题。
开发者体验提升
除了核心功能外,本次发布还包含了一些开发者体验的优化:
-
增加了关于Bun运行时实验性支持的FAQ文档,帮助开发者了解这一新兴JavaScript运行时的集成情况。
-
将客户端代码生成的超时时间延长至30秒,解决了大型项目中代码生成可能超时的问题。
-
完善了CLI文档,增加了端口配置的相关说明,使本地开发环境的配置更加清晰。
总结
Encore v1.46.18版本通过引入数据库事务支持和增强中间件数据传递能力,进一步提升了框架的实用性和开发效率。同时,分布式追踪系统的优化也为生产环境监控提供了更可靠的基础。这些改进体现了Encore框架持续关注开发者实际需求,不断降低后端开发复杂度的设计理念。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00