xh项目v0.24.1版本发布:HTTP客户端工具的重要更新
xh是一个现代化的命令行HTTP客户端工具,它提供了比传统curl更友好的用户体验和更直观的输出格式。该项目采用Rust语言编写,具有高性能和跨平台特性,支持多种操作系统和架构。
主要特性更新
本次发布的v0.24.1版本带来了几项重要改进:
-
RFC 5987编码支持:新增了对Content-Disposition头中文件名的RFC 5987编码支持。这项改进使得xh能够正确处理包含非ASCII字符的文件名,这在处理国际化内容时尤为重要。RFC 5987标准定义了如何在HTTP头中编码非ASCII字符,解决了传统编码方式的局限性。
-
Zstd响应体处理优化:修复了处理空zstd压缩响应体时可能导致崩溃的问题。zstd是一种高效的压缩算法,在网络传输中越来越常见。这项修复提升了xh处理压缩响应的稳定性。
-
TLS证书错误信息改进:增强了rustls库对无效证书的错误提示,使开发者能够更清晰地了解TLS连接问题。这对于调试HTTPS连接问题非常有帮助,特别是在自签名证书或过期证书的场景下。
技术细节解析
RFC 5987编码实现
在HTTP协议中,Content-Disposition头用于指定如何处理响应内容,特别是文件下载时的文件名。传统上使用百分号编码(percent-encoding)处理非ASCII字符,但这种方式存在局限性。RFC 5987引入了更完善的编码机制:
Content-Disposition: attachment; filename="example.txt"; filename*=utf-8''%e4%be%8b%e5%ad%90.txt
xh现在能够正确解析这种格式,确保下载文件时文件名保持原意,特别是对于中文、日文等非拉丁字符集的文件名。
Zstd压缩处理
zstd是Facebook开发的一种实时压缩算法,在网络传输中因其高压缩比和快速解压特性而广受欢迎。xh现在能够更稳健地处理zstd压缩的响应,包括边缘情况如空响应体。这对于API调用和微服务通信场景尤为重要。
Rustls错误处理
Rustls是Rust生态中一个纯Rust实现的TLS库。本次更新改进了其对证书验证错误的反馈,包括:
- 证书过期
- 主机名不匹配
- 自签名证书
- 证书链不完整
这些改进使得开发者能够更快定位和解决TLS连接问题。
跨平台支持
xh继续保持其出色的跨平台能力,本次发布提供了针对多种架构和操作系统的预编译二进制文件:
- macOS (Intel和Apple Silicon)
- Linux (x86_64、ARM64和ARMv7)
- Windows
- 还提供了Debian/Ubuntu系统的.deb安装包
这种广泛的平台支持使得xh成为开发者和系统管理员在不同环境中进行HTTP调试和自动化脚本编写的理想工具。
总结
xh v0.24.1虽然是一个小版本更新,但在国际化支持、压缩算法处理和TLS错误诊断方面都做出了重要改进。这些变化使得xh在现实世界的HTTP通信场景中更加可靠和易用。对于需要频繁与REST API交互或进行HTTP调试的开发者来说,升级到这个版本将获得更好的开发体验。
xh项目持续关注开发者实际需求,通过这些小而精的改进,逐步构建一个功能完善、用户体验优秀的HTTP客户端工具。它的轻量级特性和直观的输出格式,使其成为curl的有力替代品,特别适合现代开发工作流。
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
Spark-Prover-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
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-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