Laravel-Model-Caching 12.0.0 版本发布:全面拥抱 Laravel 12 与现代化改进
项目简介
Laravel-Model-Caching 是一个广受欢迎的 Laravel 扩展包,它为 Eloquent 模型提供了自动缓存功能。通过这个包,开发者可以轻松地为模型查询结果添加缓存层,显著提升应用性能,减少数据库查询压力。该包通过智能缓存策略,自动管理缓存的生命周期,确保数据一致性。
12.0.0 版本核心更新
1. Laravel 12 全面兼容
本次更新的首要任务是确保与 Laravel 12 框架的完全兼容。随着 Laravel 12 的发布,框架内部进行了多项改进和调整。开发团队对包代码进行了全面审查和适配,确保在 Laravel 12 环境下能够无缝运行。对于正在使用或计划升级到 Laravel 12 的项目,这一更新至关重要。
2. 命名空间变更
12.0.0 版本进行了重要的命名空间变更,从原来的 genealabs/laravel-model-caching 变更为 mikebronner/laravel-model-caching。这一变更反映了项目的维护权转移。虽然这是一个破坏性变更,但选择在主要版本更新时进行,可以最大限度地减少对现有项目的影响。
对于现有项目,升级时需要特别注意:
- 更新 composer.json 中的包引用
- 检查代码中是否有直接引用旧命名空间的地方
- 可能需要清除缓存和重新生成自动加载文件
3. Carbon 3 时间库支持
随着 Carbon 时间库升级到第3版,该包也进行了相应适配。Carbon 3 带来了性能改进和API优化,特别是在处理时区和日期操作方面。这一更新确保了包在使用最新版 Carbon 时的稳定性和兼容性。
功能改进与问题修复
1. 缓存键生成优化
修复了缓存键生成中的一个潜在问题,确保在不同查询条件下生成的缓存键更加准确和唯一。这一改进防止了可能出现的缓存冲突问题,特别是在复杂查询场景下。
2. 严格模式兼容性
解决了在 PHP 严格模式下 query 属性的访问问题。这一修复使得包在启用严格类型检查的项目中能够正常工作,提高了代码的健壮性。
3. 可为空的方法参数
改进了方法参数处理,现在可以正确处理可为空(nullable)的参数。这一变化使得API更加灵活,能够更好地适应各种使用场景。
升级建议
对于计划升级到 12.0.0 版本的项目,建议采取以下步骤:
-
首先确保项目环境满足要求:
- PHP 8.1 或更高版本
- Laravel 12.x
- Carbon 3.x(如果直接使用)
-
备份现有项目,特别是与缓存相关的配置和数据
-
在开发环境进行充分测试,特别是:
- 自定义缓存策略的部分
- 复杂查询场景
- 缓存失效逻辑
-
更新 composer.json 中的包引用,注意新的命名空间
-
清除现有缓存,避免旧格式缓存数据可能引起的问题
未来展望
随着 Laravel 生态系统的持续发展,Laravel-Model-Caching 包也将继续演进。从本次更新可以看出,项目维护团队致力于保持与现代PHP生态系统的同步,同时解决社区反馈的问题。未来可能会看到更多性能优化和功能增强,特别是在分布式缓存和更细粒度的缓存控制方面。
对于开发者而言,这一版本标志着项目进入了一个新的阶段,为构建高性能Laravel应用提供了更加稳定和现代化的工具支持。
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