Solon v3.3.1 发布:Java 轻量级应用框架的智能化升级
Solon 是一个轻量级的 Java 应用开发框架,它以其简洁的设计理念和高效的性能著称。Solon 框架提供了完整的 Web 开发支持,包括 MVC、RPC、事务处理等核心功能,同时保持了极低的学习曲线和资源占用。在最新发布的 v3.3.1 版本中,Solon 进一步强化了其在 AI 领域的集成能力,并带来了多项功能增强和优化。
核心功能增强
AI 能力扩展
本次更新最引人注目的是对 AI 相关功能的全面增强。新增的 solon-ai-flow 和 solon-ai-load-ddl 插件为开发者提供了更强大的 AI 流程控制能力。特别是新增的 solon-flow-designer 设计器工具,使得可视化编排 AI 流程成为可能,大大降低了 AI 集成的门槛。
在 AI 核心模块方面,solon-ai-core 增加了对网络代理的全面支持,开发者可以通过简单配置或复杂构建两种方式灵活地设置代理。同时,ChatSession 类新增了多种消息添加方式,包括支持 ChatPrompt 和集合类型的消息添加,使得对话管理更加灵活。
工具类与注解增强
框架基础工具类得到了多项增强。新增的 LazyReference 类实现了懒加载引用模式,有助于优化资源密集型对象的初始化时机。RunUtil 类新增的 callAndTry 方法为开发者提供了更便捷的异常处理方式。
注解支持方面,@Ds 注解现在可以应用于类级别,简化了数据源配置。安全模块新增的 @AuthIgnore 注解使得特定接口的权限控制更加灵活。
性能与兼容性优化
核心框架优化
Solon 核心框架在本次更新中进行了多项性能优化。MethodHandler 的 MethodWrap 实例化过程不再依赖 solon.app,这使得框架在非容器环境下也能正常运行,提高了框架的适应性。
ContextPathFilter 修复了无效地址处理的问题,现在能够正确返回 404 状态码,增强了框架的健壮性。setAccessible 方法的异常控制也得到了优化,提高了反射操作的安全性。
网络通信优化
网络通信组件进行了多项改进。solon-net-httputils 优化了 202 重试处理和 3xx 跳转处理逻辑,增强了网络请求的可靠性。SSE 流式处理和行流式处理现在能够显示错误消息,提高了调试便利性。
gRPC 插件新增了对流式存根的支持,使得基于 gRPC 的流式消息收发成为可能,为实时通信场景提供了更好的支持。
开发者体验提升
MVC 改进
ActionExecuteHandler 现在使用 LazyReference 延迟表单解析,这一改进使得开发者可以更灵活地处理请求体,特别是对于需要原始流读取的场景。同时,nami 组件增加了对 @Path 注解的支持,简化了 RESTful 接口的定义。
AI 开发体验
solon-ai-mcp 模块进行了多项改进以提升开发者体验。现在支持检查原语是否存在的方法,开发者可以更方便地验证工具、提示语和资源是否存在。提示语支持将 UserMessage 拆解成多条 MCP 内容,特别是当同时包含媒体和文本时,这一特性非常实用。
资源模板的响应适配和结果转换处理的支持,使得 AI 接口的返回值处理更加灵活。新增的 getResourceTemplates 方法为资源管理提供了更多便利。
总结
Solon v3.3.1 版本在保持框架轻量级特性的同时,大幅增强了 AI 相关能力,为开发者构建智能化应用提供了更强大的工具集。从核心框架优化到开发者体验提升,这一版本在多方面都做出了有价值的改进。特别是新增的流程设计器和增强的 AI 集成能力,使得 Solon 在现代应用开发领域更具竞争力。对于正在寻找高效、轻量且具备 AI 能力的 Java 框架的开发者来说,Solon v3.3.1 无疑是一个值得考虑的选择。
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