Go-Jet v2.13.0 版本发布:JSON查询与严格扫描模式登场
Go-Jet 是一个强大的 Go 语言 SQL 查询构建器,它能够帮助开发者以类型安全的方式构建复杂的 SQL 查询。该项目通过将 SQL 语句转换为 Go 代码,提供了编译时检查的优势,大大减少了运行时错误的风险。
核心新特性解析
1. SELECT_JSON 语句支持
新版本引入了对 SELECT_JSON 语句的支持,这一功能允许开发者直接将查询结果序列化为 JSON 格式。在实际应用中,这意味着我们可以更高效地处理需要返回 JSON 数据的 API 请求场景,避免了在应用层进行额外的格式转换。
// 示例:使用 SELECT_JSON 查询
stmt := SELECT_JSON(
table.Column1,
table.Column2.AS("alias"),
).FROM(table)
2. 严格扫描模式(Strict Scan)
严格扫描模式是本次更新的一个重要安全特性。当启用此模式时,Jet 会确保查询结果中的所有列都能被映射到目标结构体的字段中。如果存在无法映射的列,查询将返回错误,这有效防止了数据丢失或静默忽略的问题。
// 启用严格扫描模式
jet.SetStrictMode(true)
3. Blob/Bytea 表达式支持
新增对二进制大对象(Blob)和 PostgreSQL 的 Bytea 数据类型的支持,使得处理二进制数据如图片、文档等变得更加方便。这一改进完善了 Jet 对各种数据类型的覆盖。
查询构建增强
1. 表与视图的默认列支持
Table 和 View 结构体现在提供了 DefaultColumns 方法,简化了常见查询的编写:
// 使用默认列查询
users := model.Users{}
stmt := SELECT(users.AllColumns).FROM(users)
2. 列列表操作增强
新版本允许从一个子查询中导出 ColumnList,以及在 INSERT 和 UPDATE 语句中直接赋值一个 ColumnList 给另一个,这大大提升了复杂查询的构建灵活性。
代码生成器改进
Jet 的代码生成工具获得了多项增强:
- 支持直接传递数据库连接,简化了生成流程
- 新增跳过特定 SQL 列的功能,使生成的模型更加精简
- 提供了包名自定义的选项,包括模型(Model)、表(Table)、视图(View)和枚举(Enum)的包名都可以单独配置
兼容性与修复
本次更新还修复了 PostgreSQL 保留关键字缺失的问题,确保了查询构建的准确性。同时为 SQLite 的 UPDATE 查询添加了 LIMIT 子句支持,增强了跨数据库的兼容性。
总结
Go-Jet v2.13.0 通过引入 JSON 查询支持、严格扫描模式等新特性,进一步巩固了其作为 Go 生态中强大 SQL 构建器的地位。这些改进不仅提升了开发效率,也增强了类型安全和数据处理的可靠性。对于需要构建复杂、类型安全 SQL 查询的 Go 项目来说,这个版本值得考虑升级。
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-1.5暂无简介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
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
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