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。
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