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。
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